《表7 目标检测算法在行人检测中的应用》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《目标检测算法在交通场景中应用综述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

当前随着深度学习的发展，研究人员考虑采取深度学习方法对行人重识别研究，深度学习不仅可以提取丰富的特征表示，还为度量学习带来革新。Yan等[89]首先获取图像的颜色特征和LBP特证，然后通过LSTM（长短期记忆网络）获得基于序列的特征，充分利用图像特征和序列特征。Yi等[90]采用siamese网络学习行人颜色特征、纹理特征和度量，针对行人外观的巨大变化，利用二项式偏差法进行评估。Mclaughlin等[91]结合CNN网络与RNN网络，在CNN基础上获得每个行人外貌特征，在RNN基础上获得时空信息，两者联合进行调参。Zheng等[92]提出Market-1501数据集，该数据集规模为当时最大且自动标注行人边界框，每个行人有多个摄像头多张影像，目前依然是具有挑战性的数据集。行人重识别主要应用于刑侦工作、图像检索等方面，将深度学习方法与行人重识别结合可以提高行人重识别的准确度、充分利用图像特征，具体目标检测算法在行人检测上的应用如表7所示。