遮挡行人重识别是一项具有挑战性的计算机视觉任务。提出了一种FGMS-Net网络方法,通过多个方面的改进显著提升了遮挡环境下的行人重识别能力。首先,采用改进的前景分割技术,有效地去除背景和其他杂波信息,使得特征提取更加精确。其次,...遮挡行人重识别是一项具有挑战性的计算机视觉任务。提出了一种FGMS-Net网络方法,通过多个方面的改进显著提升了遮挡环境下的行人重识别能力。首先,采用改进的前景分割技术,有效地去除背景和其他杂波信息,使得特征提取更加精确。其次,针对遮挡问题,引入多尺度特征判别的方法,使得模型能够更好地捕捉局部特征,从而增强识别能力。最后,在主干网络中添加注意力机制,使得网络能够更加关注关键信息,提高整体识别性能。实验结果表明,所提方法在遮挡行人重识别任务中取得了显著的性能提升,在Occluded-DukeMTMC数据集上,累积匹配特征Rank-1和平均精度均值(mean average precision,mAP)分别达到了71.7%和61.6%。展开更多
针对行人被障碍物部分遮挡导致的检测准确率降低问题,提出了基于多特征融合的树形路径半全局立体匹配的部分遮挡行人检测算法。使用简单线性迭代聚类(simple linear iterative clustering,SLIC)算法进行超像素分割,提升行人的轮廓信息,...针对行人被障碍物部分遮挡导致的检测准确率降低问题,提出了基于多特征融合的树形路径半全局立体匹配的部分遮挡行人检测算法。使用简单线性迭代聚类(simple linear iterative clustering,SLIC)算法进行超像素分割,提升行人的轮廓信息,并使用多特征融合的树形路径半全局立体匹配算法生成深度图;对行人信息和背景信息及障碍物信息使用自适应分割算法进行分离,获取感兴趣区域;将感兴趣区域放置在行人特征明显且稳定的头肩部,进行感兴趣区域的约束;使用降维梯度直方图特征(histogram of gradient,HOG)进行特征提取并生成样本集,训练支持向量机(support vector machines,SVM)分类器,最终实现部分遮挡的行人检测。实验表明,所提算法与其他行人检测算法相比,在行人部分遮挡场景下,有着更高的行人检测准确率,证明所提算法的有效性。展开更多
文摘遮挡行人重识别是一项具有挑战性的计算机视觉任务。提出了一种FGMS-Net网络方法,通过多个方面的改进显著提升了遮挡环境下的行人重识别能力。首先,采用改进的前景分割技术,有效地去除背景和其他杂波信息,使得特征提取更加精确。其次,针对遮挡问题,引入多尺度特征判别的方法,使得模型能够更好地捕捉局部特征,从而增强识别能力。最后,在主干网络中添加注意力机制,使得网络能够更加关注关键信息,提高整体识别性能。实验结果表明,所提方法在遮挡行人重识别任务中取得了显著的性能提升,在Occluded-DukeMTMC数据集上,累积匹配特征Rank-1和平均精度均值(mean average precision,mAP)分别达到了71.7%和61.6%。
文摘针对行人被障碍物部分遮挡导致的检测准确率降低问题,提出了基于多特征融合的树形路径半全局立体匹配的部分遮挡行人检测算法。使用简单线性迭代聚类(simple linear iterative clustering,SLIC)算法进行超像素分割,提升行人的轮廓信息,并使用多特征融合的树形路径半全局立体匹配算法生成深度图;对行人信息和背景信息及障碍物信息使用自适应分割算法进行分离,获取感兴趣区域;将感兴趣区域放置在行人特征明显且稳定的头肩部,进行感兴趣区域的约束;使用降维梯度直方图特征(histogram of gradient,HOG)进行特征提取并生成样本集,训练支持向量机(support vector machines,SVM)分类器,最终实现部分遮挡的行人检测。实验表明,所提算法与其他行人检测算法相比,在行人部分遮挡场景下,有着更高的行人检测准确率,证明所提算法的有效性。
