基于深度学习与离散优化的快速行人重识别算法研究开题报告

全文总字数：4546字

1. 研究目的与意义（文献综述）

1.1选题目的及意义

行人重识别（person re-identification）是指在非重叠视角域多摄像头网络下进行的行人图像识别，即确定不同位置的摄像头在不同的时刻拍摄到的行人目标是否为同一个人。

社会安全问题一直是国家以及个人密切关注的问题，视频图像采集技术和数据存储技术不断地提升，大量安装在公共场所比如医院学校社区地铁站火车站飞机场等形成了大型摄像机网络。视频监控已经成为公安部门侦破各种形式案件的有力手段。同时，摄像机网络也为交管部门提供了实时路况信息，方便交通管理。视频监控也对个人安全和利益提供了保障，减少了盗窃犯罪等现象。所以对行人重识别的研究是很有必要的。

目前人们对大型分布式摄像机网络的应用还处于初级阶段，并且大多停留在通过人工的方式对特定的几个摄像头进行监察，视频监控网络的快速发展给传统人工视频监控带来了巨大的挑战，怎样能使监控视频的分析和利用更加智能化是一个亟待解决的问题。

2. 研究的基本内容与方案

2.1研究的基本内容

行人重识别是视频监控系统中的一项关键技术，其主要目标是在若干不同摄像头所拍摄的行人图片中，检索到属于某个特定行人的图片。当前主要的相关工作时通过时空特征，度量学习以及排序策略等方法提高识别率。同时，由于监控网络会产生大量的图片，存储空间与检索速度也是行人重识别技术需要解决的关键问题。深度学习能有效地提高图像检索效率，离散优化技术能极大地提高检索效率，结合二者能在精度和效率上极大地提高行人重识别算法。

（1）熟悉视频监控以及行人重识别技术的背景与原理

（2）熟悉常用的行人重识别方法，掌握深度学习算法，以及基于离散优化的哈希索引技术

3. 研究计划与安排

1-3周：查阅文献，完成开题报告

4-6周：总体设计，完成论文综述

7-10周：设计算法，功能模块设计

4. 参考文献（12篇以上）

[1] gheissari n, sebastian t b, hartley personr reidentification using spatiotemporal appearance[c]. computer vision andpattern recognition(cvpr), 2006 ieee computer society conference on. ieee,2006, 2: 1528-1535.

[2] gray d, brennan s, tao h. evaluatingappearance models for recognition, reacquisition, and tracking[c]. proc. ieeeinternational workshop on performance evaluation for tracking andsurveillance(pets). 2007, 3(5).

[3] perronnin f, dance c. fisher kernels onvisual vocabularies for image categorization[c]. computer vision and patternrecognition, 2007. cvpr'07. ieee conference on. ieee, 2007: 1-8.