發(fā)布時間：2018-05-25 15:43

  本文選題：行人再識別 + 特征空間　； 參考：《自動化學報》2016年02期

【摘要】：行人再識別指的是在無重疊視域多攝像機監(jiān)控系統(tǒng)中,匹配不同攝像機視域中的行人目標.針對當前基于距離測度學習的行人再識別算法中存在著特征提取復雜、訓練過程復雜和識別效果差的問題,我們提出一種基于多特征子空間與核學習的行人再識別算法.該算法首先在不同特征子空間中基于核學習的方法得到不同特征子空間中的測度矩陣以及相應的相似度函數(shù),然后通過比較不同特征子空間中的相似度之和來對行人進行識別.實驗結(jié)果表明,本文提出的算法具有較高的識別率,其中在VIPe R數(shù)據(jù)集上,RANK1達到了40.7%,且對光照變化、行人姿態(tài)變化、視角變化和遮擋都具有很好的魯棒性.
[Abstract]:Pedestrian rerecognition refers to the matching of pedestrian targets in different cameras in a multi-camera surveillance system with no overlapped view. Aiming at the problems of complex feature extraction, complex training process and poor recognition effect in the current pedestrian rerecognition algorithm based on distance measure learning, we propose a pedestrian rerecognition algorithm based on multi-feature subspace and kernel learning. Firstly, the measure matrix and the corresponding similarity function in different feature subspaces are obtained based on kernel learning in different feature subspaces, and then the pedestrians are identified by comparing the sum of similarity degrees in different feature subspaces. The experimental results show that the proposed algorithm has a high recognition rate, in which RANK1 reaches 40.7 on the VIPe R dataset, and is robust to the changes of illumination, pedestrian posture, angle of view and occlusion.
【作者單位】： 合肥工業(yè)大學計算機與信息學院;
【基金】：國家自然科學基金(61371155) 安徽省科技攻關(guān)項目(1301b042023)資助~~
【分類號】：TP391.41

【參考文獻】

相關(guān)期刊論文 前1條

1 杜宇寧;艾海舟;;基于統(tǒng)計推斷的行人再識別算法[J];電子與信息學報;2014年07期

【共引文獻】

相關(guān)期刊論文 前7條

1 霍中花;陳瑩;;采用增量式線性判別分析的行人再識別[J];小型微型計算機系統(tǒng);2017年03期

2 齊美彬;胡龍飛;蔣建國;高燦;;多特征融合與獨立測度學習的行人再識別[J];中國圖象圖形學報;2016年11期

3 齊美彬;王運俠;檀勝順;劉皓;蔣建國;;正則化獨立測度矩陣的行人再識別[J];模式識別與人工智能;2016年06期

4 齊美彬;檀勝順;王運俠;劉皓;蔣建國;;基于多特征子空間與核學習的行人再識別[J];自動化學報;2016年02期

5 宋亞玲;張良;;顏色特征和超像素特征融合的人體目標再識別[J];信號處理;2015年10期

6 范彩霞;陳亞軍;曹磊;繆亞林;;基于視覺感知模型的行人再識別[J];計算機工程與應用;2016年06期

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

【相似文獻】

相關(guān)期刊論文 前10條

1 劉本永,楊萬麟;噪聲中目標距離剖面像識別的修正特征子空間法[J];系統(tǒng)工程與電子技術(shù);2000年03期

2 王曙光,何振亞;自適應特征子空間濾波器[J];通信學報;1992年02期

3 糾博;劉宏偉;何學輝;吳順君;;多特征子空間波形優(yōu)化設計方法[J];電子與信息學報;2009年12期

4 周法國;王映龍;楊炳儒;陳卓;;基于發(fā)現(xiàn)特征子空間模型的文本分類算法[J];計算機應用研究;2009年10期

5 劉更代;徐明亮;張明敏;;基于獨立時空特征空間的人體運動合成[J];計算機學報;2011年03期

6 歐陽繕;Noise Suppresion:A Subspace Method[J];桂林電子工業(yè)學院學報;1999年01期

7 張鴻;吳飛;;莊越挺;;基于特征子空間學習的跨媒體檢索方法[J];模式識別與人工智能;2008年06期

8 黎英云;馬洪;朱光喜;;基于特征子空間的快速多徑時延測量[J];微電子學與計算機;2010年02期

9 郭明,王樹青;基于特征子空間的系統(tǒng)性能監(jiān)控與工況識別[J];化工學報;2004年01期

10 吳剛;唐振民;楊靜宇;;融合李群理論與特征子空間基的圖像目標跟蹤[J];控制理論與應用;2012年10期

相關(guān)會議論文 前1條

1 范玉剛;張亞雄;吳建德;黃國勇;王曉東;;基于特征子空間的系統(tǒng)故障檢測與診斷[A];2013年中國智能自動化學術(shù)會議論文集（第四分冊）[C];2013年

相關(guān)碩士學位論文 前6條

1 閆治宇;基于PCA的小樣本與微小故障診斷方法研究[D];河南大學;2015年

2 孫鑫;特征子空間法人臉識別研究[D];電子科技大學;2005年

3 楊壘;基于FPGA的特征子空間目標識別法的關(guān)鍵技術(shù)研究[D];電子科技大學;2009年

4 熊軼;基于特征子空間的波達方向（DOA）估計算法研究[D];華中科技大學;2007年

5 張健;特征子空間雷達目標一維像識別方法的FPGA實現(xiàn)的關(guān)鍵技術(shù)研究[D];電子科技大學;2007年

6 蘇盈盈;基于特征子空間回歸的軟傳感器精簡化建模[D];重慶工學院;2008年

，

本文編號：1933790