计算机工程与应用 ›› 2018, Vol. 54 ›› Issue (20): 219-222.DOI: 10.3778/j.issn.1002-8331.1804-0027
李锦明,曲 毅,裴禹豪,扆泽江
LI Jinming,QU Yi,PEI Yuhao,YI Zejiang
摘要: 针对行人重识别中传统的人工提取的行人浅层特征因受摄像机角度、光照等外界环境的影响,鲁棒性不好,收敛速度慢的问题,研究使用预训练卷积神经网络模型在行人数据库上进行微调的方法,对行人图片进行特征提取,从而得到高维的深层行人特征,最后通过欧氏距离进行相似性的度量。实验结果证明,深层的行人特征在平均准确度评估标准上,相比于传统的人工设计特征,分别得到了9.51%、11.12%、16.63%、16.96%的提高,收敛速度也变得更快,说明深层特征的行人识别能力更强。