文件名称：基于特征融合网络的行人重识别
文件大小：2MB
文件格式：PDF
更新时间：2024-05-26 06:32:18
行人重识别 卷积神经网络 LOMO特征 特征融合网络
行人重识别旨在大规模的分布式监控系统中进行行人目标匹配，紧凑且具有鲁棒性的特征表达对其至关重要，为此，本文提出了一种基于特征融合网络的特征提取方法.首先，利用STEL算法增强了LOMO特征对背景噪声的抗噪性能，利用KPCA算法降低维度以便于后续融合.随后，本文探索了手工特征和CNN特征的互补性，将改进LOMO特征融入至卷积神经网络之中，得到了区分度更高的融合特征.在VIPeR和CUHK01数据集上的测试结果表明，本文融合特征的区分度明显高于单一特征和级联特征，Rank-1较级联特征分别提高了3.73%和2.36%.