基于BRNN和注意力机制的视频行人再识别方法研究的开题报告.docx

基于BRNN和注意力机制的视频行人再识别方法研究的开题报告
一、选题背景
随着视频监控技术的不断发展，视频行人再识别技术已经成为了一个非常重要的研究方向。众所周知，传统的基于图像的行人再识别很容易受到衣服颜色变化、姿态变化等因素的影响，因此，基于视频的行人再识别具有更高的准确率和更强的鲁棒性。
在视频行人再识别中，视频序列是由一系列带有时间属性的图像组成的，因此，人们普遍认为，利用RNN模型分别处理每个时间步骤的信息能够更好的综合整个视频序列信息。同时，注意力机制在很多计算机视觉问题中都有着很好的应用效果，将其应用于视频行人再识别中也能够提高识别准确度，缩短识别时间。
综上，本文将研究基于BRNN和注意力机制的视频行人再识别方法，以期提高识别准确度和速度。
二、研究内容
1.将视频序列拆成帧序列，以图像序列输入BRNN网络中进行特征提取。
2.实现注意力机制来动态确定每个时间步输出的特征图像子集，以达到减少冗余计算的目的。
3.使用度量学习算法进行识别，如VerificationLoss、ClassificationLoss和TripletLoss等。
三、研究计划
1.第1-2周：阅读相关的文献，了解视频行人再识别技术的发展现状和BRNN、注意力机制的相关知识。
2.第3-5周：设计和实现BRNN网络结构，并利用手头的数据集进行测试，调整网络结构，得到最佳的识别结果。
3.第6-7周：设计和实现注意力机制，结合BRNN网络，在视频序列中动态地确定每个时间步输出的的特征图像子集。
4.第8-10周：实现度量学习算法，并进行性能测试，包括精度和速度等方面的指标。
5.第11-12周：撰写毕业论文，准备答辩。
四、预期成果
1.实现基于BRNN和注意力机制的视频行人再识别方法。
2.验证提出的方法的准确度和速度优于常用的基于图像和基于视频的行人再识别方法。
3.提出一种新的处理视频行人再识别的思路，丰富视频行人再识别技术的研究内容。