本文選題：行人重識別 + 姿態(tài)對齊　； 參考：《控制理論與應(yīng)用》2017年06期

【摘要】：行人重識別是指根據(jù)輸入的某個行人圖片,在視頻監(jiān)控網(wǎng)絡(luò)中對該行人目標(biāo)進(jìn)行檢索.行人的姿態(tài)變化和監(jiān)控場景的亮度變化是該任務(wù)的兩個主要挑戰(zhàn).針對行人的姿態(tài)變化問題,本文首先對訓(xùn)練集中行人圖片進(jìn)行稠密圖像塊采樣獲得圖像塊集合,然后對每一個圖像塊提取其局部表觀空間特征,最后在此特征集上聚類得到通用的行人部件字典.由于該部件字典編碼了行人的部件信息,因此通過該字典內(nèi)的每一個碼元可以建立兩幅行人圖像中特定圖像塊之間的對應(yīng)關(guān)系.將兩幅行人圖片的圖像塊集合分別向部件字典投影,可以獲得2幅行人圖片姿態(tài)對齊后的圖像塊序列.針對監(jiān)控場景的亮度變化問題,本文在姿態(tài)對齊后的圖像塊上分別提取4種顏色描述子,并將不同顏色描述子下的圖像塊相似性進(jìn)行分?jǐn)?shù)級組合以獲得更好的亮度不變性.其中不同顏色描述子之間的組合系數(shù)通過結(jié)構(gòu)化輸出支持向量機(jī)學(xué)習(xí)得到.在常用的視點不變行人重識別(viewpoint invariant pedestrian recognition,VIPe R)數(shù)據(jù)集上的實驗結(jié)果表明,該方法在存在行人姿態(tài)變化和場景亮度變化干擾時獲得了較好的行人重識別效果.
[Abstract]:Pedestrian recognition is to retrieve the pedestrian target in video surveillance network according to the input of a pedestrian image. The change of pedestrian posture and the brightness change of monitoring scene are the two main challenges of this task. In order to solve the problem of pedestrian attitude change, this paper firstly collects the dense image blocks of pedestrian images, and then extracts the local apparent spatial features of each image block. Finally, a general pedestrian component dictionary is obtained by clustering on this feature set. Because the component dictionary encodes the component information of pedestrians, it is possible to establish the corresponding relationship between the specific image blocks in two pedestrian images by each symbol in the dictionary. By projecting the image blocks of two pedestrian images to the component dictionary, the image block sequences of the two pedestrian images can be obtained after the pose alignment of the two pedestrian images is obtained. To monitor the luminance change of the scene, four color descriptors are extracted from the image blocks after pose alignment, and the similarity of the image blocks under different color descriptors is combined in a fractional order to obtain better brightness invariance. The combination coefficients between different color descriptors are obtained by structured output support vector machine learning. The experimental results on the viewpoint invariant pedestrian recognition VIPe R data set show that the proposed method can achieve a better result in the presence of pedestrian posture changes and scene brightness changes.
【作者單位】： 華中科技大學(xué)自動化學(xué)院圖像信息處理與智能控制教育部重點實驗室;
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 肖明霞;;基于圖像塊的人臉檢測方法的研究[J];科學(xué)時代;2009年02期

2 顧勇;張燦果;龔志廣;;基于圖像塊分割融合算法在醫(yī)學(xué)圖像中的應(yīng)用[J];河北建筑工程學(xué)院學(xué)報;2007年02期

3 李天偉;黃謙;郭模燦;何四華;;圖像塊混沌特征在海面運動目標(biāo)檢測中的應(yīng)用[J];中國造船;2011年02期

4 李軍;部分圖像塊的顯示及特技制作技巧[J];電腦編程技巧與維護(hù);1997年04期

5 李生金;蒲寶明;賀寶岳;王維維;;基于圖像塊的滯留物/移取物的檢測方法[J];小型微型計算機(jī)系統(tǒng);2014年01期

6 趙德斌;陳耀強;高文;;基于圖像塊方向的自適應(yīng)無失真編碼[J];模式識別與人工智能;1998年01期

7 陳琦,李華,朱光喜;一種新的應(yīng)用于屏幕共享的圖像塊識別算法[J];電訊技術(shù);2000年06期

8 劉尚翼;霍永津;羅欣榮;白仲亮;魏林鋒;項世軍;;基于圖像塊相關(guān)性分類的加密域可逆數(shù)據(jù)隱藏[J];武漢大學(xué)學(xué)報(理學(xué)版);2013年05期

9 陳奮,閆冬梅,趙忠明;一種快速圖像塊填充算法及其在遙感影像處理中的應(yīng)用[J];計算機(jī)應(yīng)用;2005年10期

10 馬文龍,余寧梅,銀磊,高勇;圖像塊動態(tài)劃分矢量量化[J];計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報;2005年02期

相關(guān)會議論文 前2條

1 李趙紅;侯建軍;宋偉;;基于圖像塊等級模型的多重認(rèn)證水印算法[A];第八屆全國信息隱藏與多媒體安全學(xué)術(shù)大會湖南省計算機(jī)學(xué)會第十一屆學(xué)術(shù)年會論文集[C];2009年

2 鐘凡;莫銘臻;秦學(xué)英;彭群生;;基于WSSD的不規(guī)則圖像塊快速匹配[A];中國計算機(jī)圖形學(xué)進(jìn)展2008--第七屆中國計算機(jī)圖形學(xué)大會論文集[C];2008年

相關(guān)博士學(xué)位論文 前7條

1 霍雷剛;圖像處理中的塊先驗理論及應(yīng)用研究[D];西安電子科技大學(xué);2015年

2 欽夏孟;稠密圖像塊匹配方法及其應(yīng)用[D];北京理工大學(xué);2015年

3 林樂平;基于過完備字典的非凸壓縮感知理論與方法研究[D];西安電子科技大學(xué);2016年

4 向濤;復(fù)雜場景下目標(biāo)檢測算法研究[D];電子科技大學(xué);2016年

5 鮑華;復(fù)雜場景下基于局部分塊和上下文信息的單視覺目標(biāo)跟蹤[D];中國科學(xué)技術(shù)大學(xué);2017年

6 朱烽;跨視域攝像頭網(wǎng)絡(luò)下的監(jiān)控視頻結(jié)構(gòu)化與檢索[D];中國科學(xué)技術(shù)大學(xué);2017年

7 宋偉;幾類數(shù)字圖像水印算法的研究[D];北京交通大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 王榮麗;基于半監(jiān)督學(xué)習(xí)的目標(biāo)跟蹤方法研究[D];浙江師范大學(xué);2015年

2 祝漢城;數(shù)字圖像的客觀質(zhì)量評價方法研究[D];中國礦業(yè)大學(xué);2015年

3 張書揚;基于冗余字典的圖像壓縮感知技術(shù)研究[D];吉林大學(xué);2016年

4 楊存強;基于圖像塊多級分類和稀疏表示的超分辨率重建算法研究[D];天津工業(yè)大學(xué);2016年

5 李向向;視頻監(jiān)控下實時異常行為檢測研究[D];南京郵電大學(xué);2016年

6 程曉東;基于幀間塊約束和進(jìn)化計算的視頻壓縮感知重構(gòu)方法[D];西安電子科技大學(xué);2016年

7 李小青;基于脊波冗余字典和多目標(biāo)遺傳優(yōu)化的壓縮感知圖像重構(gòu)[D];西安電子科技大學(xué);2016年

8 文俊;基于深度卷積神經(jīng)網(wǎng)絡(luò)的室外場景理解研究[D];杭州電子科技大學(xué);2016年

9 張智勇;低秩表達(dá)方法在視頻信號處理中的應(yīng)用[D];廣西大學(xué);2016年

10 苑小翠;基于圖像塊重排和非局部均值的圖像處理[D];安徽大學(xué);2017年

，

本文編號：1914147