1. 研究目的与意义
随着智慧城市的发展与普及,计算机视觉技术在诸多实际场景中得到了广泛的应用,如刑事侦查、智能安防、图像检索、人机交互等。
相比于传统的人工识别,智能化监控管理技术能大大的降低成本和提高检测效率。
行人重识别的特性是跨摄像机检索,评测准则是要求检索出不同摄像机下面的同一行人。
剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!
2. 研究内容和预期目标
1、介绍现有的行人重识别实现的技术的优缺点。
2、通过改进在现有的技术,结合深度学习的优势,利用多任务卷积神经网络对行人图像进行训练与特征提取,实现行人识别的有效性提高。
3、总结分析提出更多可能有效方案
剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!
3. 国内外研究现状
目前基于深度学习的神经网络研究和应用十分广泛,特别应用于图像处理方面的卷积神经网落,深度学习提高了图像识别的精度,避免了人工特征值的提取。
这些特点十分有利于行人重识别。
深度学习于机器学习相结合将不可避免的成为主流的图像识别技术。
剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!
4. 计划与进度安排
1、做好准备工作,基于深度学习神经网络实现算法代码。
2、与现有的行人重识别数据进行比较。
3、完成论文写作。
剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!
5. 参考文献
[1]郭玥秀. 基于深度卷积神经网络的行人重识别算法研究[D].河南大学,2020.
[2]倪旭. 基于深度学习的行人重识别研究[D].南京信息工程大学,2019..
[3]周勤勤. 基于深度卷积神经网络的多行人目标跟踪及行人重识别算法研究[D].华侨大学,2019.
剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付
以上是毕业论文开题报告,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。