基于多级脉冲特征集融合的行人重识别方法
针对提取监控视频中行人的时空特征相对困难和使用步态这一时空特征进行小样本学习后,准确率相对较低的问题,提出一种基于多级脉冲特征集融合的行人重识别方法(MSSF).首先,通过脉冲卷积提取基于步态图像帧的局部行人脉冲特征,在此基础上,将局部脉冲特征映射为具有全局行人属性的脉冲特征集;接着通过融合不同深度级别的脉冲特征集来表征行人的时空多维特征,并使用水平金字塔进一步提取更具区分度的特征;最后,通过时空梯度反向传播优化网络参数.实验在CASIA-B数据集上进行,在小样本学习后,跨视角正确率最高达到了71.7%,提升4.91%,验证了所提方法的有效性.
行人重识别、步态特征、脉冲神经网络、多级脉冲、特征融合、时空梯度
18
TP391(计算技术、计算机技术)
广东省重点领域研发计划;广东省重点领域研发计划;广东省教育厅创新人才项目;广东工业大学青年百人项目
2022-12-08(万方平台首次上网日期,不代表论文的发表时间)
共4页
8-11