-
题名基于生成对抗网络联合时空模型的行人重识别方法
被引量:3
- 1
-
-
作者
邱耀儒
孙为军
黄永慧
唐瑜祺
张浩川
吴俊鹏
-
机构
广东工业大学自动化学院
-
出处
《计算机应用》
CSCD
北大核心
2020年第9期2493-2498,共6页
-
基金
国家重点研发计划项目(2018YFB1802400)
广东省重点领域研发计划项目(2019B010118001,2019B010121001)。
-
文摘
跨摄像头的行人跟踪是智慧城市和智能安防的技术难题,而行人重识别是跨摄像头行人跟踪中最关键的技术。针对因领域偏差而导致行人重识别算法跨场景应用时准确率大幅下降的问题,提出一种基于生成对抗网络(GAN)联合时空模型的方法(STUGAN)。首先,通过引入GAN生成目标场景的训练样本,以增强识别模型的稳定性;然后,利用时空特征构建目标场景样本的时空模型,以筛选低概率匹配样本;最后,融合识别模型与时空模型来进行行人的重识别。在该领域典型的公开数据集Market-1501和DukeMTMC-reID上与词袋模型(BoW)、先进的无监督学习(PUL)、无监督多任务字典学习(UMDL)等先进无监督算法进行实验对比。实验结果分析表明,所提方法在Market-1501数据集上的rank-1、rank-5及rank-10指标的准确率达到66.4%、78.9%及84.7%,比对比算法最好结果分别高5.7,5.0和4.4个百分点;平均精度均值(mAP)仅低于保持主题一致性的循环生成网络(SPGAN)。
-
关键词
行人跟踪
行人重识别
跨场景应用
生成对抗网络
时空模型
-
Keywords
person tracking
person re-identification
cross-scenario application
Generative Adversarial Network(GAN)
spatial-temporal pattern
-
分类号
TP391.14
[自动化与计算机技术—计算机应用技术]
-