針對行人再識別的圖像中由于遮擋和背景干擾而存在大量無用特征的問題,提出一種基于低通濾波模型的行人再識別方法。首先,將行人圖像進(jìn)行分塊;然后,計算各種小塊在各圖像中的相似個數(shù),其中相似個數(shù)較多的小塊為高頻噪聲特征、相似個數(shù)較少的小塊為有益特征;最后,不同于常見圖像處理中的濾除突變特征、留下平滑特征的低通濾波器,所提方法利用通信系統(tǒng)中的低通濾波器實現(xiàn)抑制高頻噪聲特征、增益有益特征的目標(biāo)。實驗結(jié)果表明,所提方法在ETHZ數(shù)據(jù)集上的識別率比經(jīng)典的對稱性局部特征累加（SDALF）方法提升了近20%;同時,該方法在VIPeR和I-LIDS數(shù)據(jù)集上也取得了相似的效果。 

【文章來源】：計算機(jī)應(yīng)用. 2020年11期 第3314-3319頁 北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

基于低通濾波的行人再識別系統(tǒng)

其中：γ是常數(shù)，用來調(diào)節(jié)衰減增益幅度的大��；f (nos) Pij∈[1，β]為小塊Pij的噪聲頻率，β是行人圖像個數(shù)；fq為截止頻率。f函數(shù)是以f (nos) P為自變量的單調(diào)遞減函數(shù)。圖3 f′logistic在x≥0時的圖像

f′logistic在x≥0時的圖像

【參考文獻(xiàn)】：
期刊論文
[1]基于多特征子空間與核學(xué)習(xí)的行人再識別[J]. 齊美彬,檀勝順,王運(yùn)俠,劉皓,蔣建國.  自動化學(xué)報. 2016(02)
[2]基于二次相似度函數(shù)學(xué)習(xí)的行人再識別[J]. 杜宇寧,艾海舟.  計算機(jī)學(xué)報. 2016(08)
[3]基于外觀統(tǒng)計特征融合的人體目標(biāo)再識別[J]. 曾明勇,吳澤民,田暢,付毅,揭斐然.  電子與信息學(xué)報. 2014(08)
[4]基于統(tǒng)計推斷的行人再識別算法[J]. 杜宇寧,艾海舟.  電子與信息學(xué)報. 2014(07)
[5]多特征融合的人體目標(biāo)再識別[J]. 范彩霞,朱虹,藺廣逢,羅磊.  中國圖象圖形學(xué)報. 2013(06)



本文編號：2905429