基于视觉注意力机制的行人再识别研究的开题报告.docx

基于视觉注意力机制的行人再识别研究的开题报告
一、研究背景
随着智能出行的发展，行人再识别（PedestrianRe-Identification，PR）成为了近年来计算机视觉领域的热点问题。PR的主要目的是利用摄像头捕捉到的行人图像，从中识别出特定的行人，其应用领域包括智能监控系统、人脸识别等。但是，PR也面临着一些挑战。由于行人的体态、姿态和穿着等都可能发生变化，使得同一个行人在不同场景下表现可能不同。另外，由于行人数量庞大，产生了性能指标和效率上的问题。
视觉注意力机制（VisualAttentionMechanism，VAM）的提出为解决PR中的问题提供了新思路。VAM是一种模仿人类视觉系统的机制，可以从输入的数据中选择性地提取有用的信息。在行人再识别中，VAM可以帮助确定感兴趣的区域，并从中提取出最相关的特征。
二、研究意义
通过利用VAM，可以提高行人再识别的准确度，并使其更具高效性。对于行人再识别的实际应用，比如在智能监控系统中的应用，准确度的提高可以减少虚假报警的率，更好地保证社会安全。此外，VAM还可以对计算机视觉系统的完整性和鲁棒性进行改进，从而使拥有VAM的PR系统在更多的环境和应用场景中进行更好的适应。
三、研究内容
本研究旨在利用视觉注意力机制，通过深度学习方法改进行人再识别的准确度。具体研究内容如下：
1.设计视觉注意力模型。参考现有的文献，设计适合行人再识别的视觉注意力模型，并利用其对输入图像进行筛选。
2.提取行人特征。通过深度学习方法，从视觉注意力模型中提取有代表性的行人特征，并进行特征归一化处理。
3.建立行人再识别模型。利用提取出的行人特征建立PR模型，并对不同的算法进行比较，选择出最优的算法。
4.进行实验验证。利用公开的数据集进行实验验证，并分析结果，验证利用视觉注意力机制的系算法在行人再识别中的性能表现。
四、研究方法
本研究采用深度学习及计算机视觉技术进行实现。涉及到的具体技术包括但不限于卷积神经网络、循环神经网络、分类器、特征提取器等。
五、预期成果
通过本研究，预计能够得出以下成果：
1.设计了一套基于视觉注意力机制的行人再识别系统，并获得较好的识别率，该系统具有实际应用价值。
2.论文将对当前行人再识别相关领域的研究提供新思路，并为进一步的相关研究提供新的方向。
3.论文所提供的理论和技术方法可以为其他计算机视觉领域的研究提供参考。
六、研究难点
1.如何设计一个有效的视觉注意力模型，以准确地计算感兴趣区域。
2.如何在行人再识别中有效地应用视觉注意力机制，使行人特征具有更好的代表性。
3.如何对提取的行人特征进行有效归一化。
4.如何利用提取的行人特征，设计更优秀的PR模型。
七、进度安排
1.第一阶段（两个月）：文献调研，利用公共数据集验证设计的模型。
2.第二阶段（三个月）：设计和验证一个基于视觉注意力机制的行人再识别系统。
3.第三阶段（两个月）：对系统性能进行优化，优化模型，缩短计算时间，提高系统的效率。
4.第四阶段（一个月）：论文撰写，及论文答辩。
八、参考文献
[1]YibingSong,JianxiongYin,HairongQi,etal.Flow-GuidedFeatureAggregationforVideoObjectDetection[J].IEEETransactionsonImageProcessing,2017,26(6):2758-2771.
[2]YangLi,YanLiang,XiaotangChen,etal.Multi-channelPyramidPersonMatchingNetworkforPersonRe-identification[J].InProceedingsofthe2018ACMInternationalConferenceonMultimedia,2018,1128-1136.
[3]FeiGao,WeiyaoLin,MingliangXu,etal.DeepLabelDistributionLearningwithLabelAmbiguity[J].InProceedingsofthe26thInternationalJointConferenceonArtificialIntelligence,2017,2345-2351.