科研之友
微信
新浪微博
Facebook
分享链接
摘要
行人重识别，是一种使用计算机视觉算法在图片或者视频中寻找指定行人的技术，是解决人脸识别中图像不清晰或者不存在等困难的有力补充。传统的行人重识别方法主要是手工提取特征和学习更好的距离（相似度）度量，由于不同摄像头拍摄的行人存在着姿态不同、背景不同、光线不同等各种问题，难以取得较好的识别效果。本文基于深度学习技术设计并实现了一个行人重识别系统，首先选用一个合适的行人重识别数据集，然后选用Rest Net、HA-CNN和FLMN模型对该数据集进行训练，使用训练好的权重模型对测试集进行测试，通过比较识别效果对模型进行性能评估，实验分析显示Resnet50网络和mid-level features训练出来的模型在工地行人数据集上的重识别效果可以达到85%以上，识别效果满足需求，并将该模型投入到实际的工地行人重识别项目中。最后对系统可能面临的安全威胁进行了简要分析，并列举了几种可行的安全威胁应对措施。
