本文選題：行人再識(shí)別 + 特征提取��； 參考：《華南農(nóng)業(yè)大學(xué)》2016年碩士論文

【摘要】：隨著社會(huì)經(jīng)濟(jì)的日益發(fā)展,人們安全意識(shí)的日益提高,大量的監(jiān)控?cái)z像頭被安裝到公共場所用于日常安全監(jiān)控。面對(duì)海量增長的監(jiān)控視頻數(shù)據(jù),人工早已無法應(yīng)對(duì),利用計(jì)算機(jī)技術(shù)對(duì)視頻數(shù)據(jù)自動(dòng)識(shí)別和處理的需求應(yīng)運(yùn)而生。在監(jiān)控視頻中,人向來是被重點(diǎn)關(guān)注的對(duì)象。行人再識(shí)別問題是指,在光照、攝像頭監(jiān)控環(huán)境以及行人姿態(tài)等條件會(huì)發(fā)生變化的前提下,如何確認(rèn)不同位置的攝像頭在不同時(shí)刻發(fā)現(xiàn)的目標(biāo)是否為同一個(gè)人。這對(duì)于刑事案件偵查破解、公共場合尋找丟失的小孩、行人的檢索、個(gè)人相冊(cè)管理、多攝像機(jī)行人跟蹤和行為分析、電子商務(wù)等領(lǐng)域都具有重要的研究意義。行人再識(shí)別問題是圖像處理、計(jì)算機(jī)視覺領(lǐng)域最具挑戰(zhàn)性的問題之一。行人再識(shí)別問題之所以具有挑戰(zhàn)性,主要有兩個(gè)方面的因素,第一,其處理流程非常復(fù)雜。行人再識(shí)別的總體流程首先是前景提取,即將待處理的行人從圖像背景中分離出來;然后針對(duì)前景提取有辨別力的特征(如顏色、紋理或者超像素特征等),并對(duì)提取的特征進(jìn)行有效融合;最后通過相似性度量判別兩幅行人圖像是否為同一個(gè)人。任何一步出現(xiàn)問題,都會(huì)影響最終的識(shí)別效果。第二,其處理過程面臨諸多的挑戰(zhàn)。由于不同監(jiān)控環(huán)境下攝像頭參數(shù)不同,行人外貌特征會(huì)發(fā)生變化,視頻圖像的傳輸過程可能會(huì)受到干擾,拍攝環(huán)境以及光照等也會(huì)發(fā)生變化,使得最終的識(shí)別準(zhǔn)確度通常不高。針對(duì)上述問題,本論文提出了改進(jìn)的BOF(Bag of Feature)特征提取算法,并融合協(xié)方差描述符,應(yīng)用于行人再識(shí)別問題中。本論文的主要工作與創(chuàng)新如下:首先,針對(duì)BOF算法的缺點(diǎn),通過SURF(Speeded Up Robust Feature)算法來對(duì)其進(jìn)行改進(jìn)。SURF算法提取圖像初步的特征描述符并生成視覺詞典,應(yīng)對(duì)光照、尺度不變等影響因素,并通過PCA降維來降低算法復(fù)雜度,提高運(yùn)行效率,以及解決存儲(chǔ)要求過高的問題。結(jié)合提取的SURF特征和K-Means聚類,對(duì)圖像劃分多層,應(yīng)用空間金字塔匹配原理對(duì)生成的視覺詞典進(jìn)行直方圖表示,充分利用圖像的空間信息,以提高行人再識(shí)別匹配分類的準(zhǔn)確度。其次,結(jié)合了LIBSVM改進(jìn)BOF算法,設(shè)計(jì)出了有效的分類器。通過改進(jìn)的BOF算法提取出的高魯棒性特征,使用高效的LIBSVM分類器融入到行人再識(shí)別算法中,提高了行人再識(shí)別的效率。再次,加入?yún)f(xié)方差描述符的構(gòu)造方法,提高特征魯棒性。通過使用SURF算法以及空間金字塔匹配原理代替簡單的顏色、梯度等特征,不僅保留了改進(jìn)的BOF算法對(duì)于特征提取的優(yōu)點(diǎn),也同時(shí)加入了協(xié)方差描述符高魯棒性的優(yōu)點(diǎn)。通過LIBSVM進(jìn)行最后的行人再識(shí)別的匹配驗(yàn)證,對(duì)于少樣本的行人再識(shí)別問題,提高了對(duì)于同一個(gè)行人匹配的準(zhǔn)確率。最后通過使用VIPeR數(shù)據(jù)集、CUHK01數(shù)據(jù)集和ETZH數(shù)據(jù)集,與當(dāng)前行人再識(shí)別主流的SDALF、ELF、LMNN、BiCov算法進(jìn)行比較,并通過CMC曲線的對(duì)比效果證明,本論文的方法與當(dāng)前主流的行人再識(shí)別方法相比,匹配率具有明顯的優(yōu)勢(shì)。
[Abstract]:Pedestrian re - recognition is one of the most challenging problems in the field of image processing and computer vision . The improved BOF algorithm is applied to the pedestrian re - recognition algorithm to improve the accuracy of pedestrian re - recognition . In addition , the improved BOF algorithm is used to improve the accuracy of pedestrian re - recognition .
【學(xué)位授予單位】：華南農(nóng)業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 宋亞玲;張良;;顏色特征和超像素特征融合的人體目標(biāo)再識(shí)別[J];信號(hào)處理;2015年10期

2 鐘智彥;文志強(qiáng);葉德剛;;基于改進(jìn)協(xié)方差矩陣的半色調(diào)圖像分類研究[J];微型機(jī)與應(yīng)用;2015年19期

3 霍中花;陳瑩;;基于多顯著性融合的行人再識(shí)別[J];光電工程;2015年09期

4 譚飛剛;劉偉銘;黃玲;翟聰;;基于加權(quán)歐氏距離度量的目標(biāo)再識(shí)別算法[J];華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年09期

5 彭志勇;常發(fā)亮;劉洪彬;別秀德;;基于HSV模型和特征點(diǎn)匹配的行人重識(shí)別算法[J];光電子·激光;2015年08期

6 劉紅海;侯向華;蔣云良;黃旭;;多核支持向量機(jī)多示例學(xué)習(xí)的行人再識(shí)別[J];光電工程;2014年11期

7 曾明勇;吳澤民;田暢;付毅;揭斐然;;基于外觀統(tǒng)計(jì)特征融合的人體目標(biāo)再識(shí)別[J];電子與信息學(xué)報(bào);2014年08期

8 杜宇寧;艾海舟;;基于統(tǒng)計(jì)推斷的行人再識(shí)別算法[J];電子與信息學(xué)報(bào);2014年07期

9 付毅;吳澤民;田暢;曾明勇;揭斐然;;一種基于協(xié)方差描述子的場景分類算法[J];光學(xué)技術(shù);2014年03期

10 曾明勇;田暢;吳澤民;付毅;揭斐然;;多通道特征級(jí)聯(lián)的人體目標(biāo)再識(shí)別[J];軍事通信技術(shù);2013年03期

，

本文編號(hào)：1992890