本文選題：行人再識(shí)別 + 多特征融合　； 參考：《中國(guó)圖象圖形學(xué)報(bào)》2016年11期

【摘要】：目的由于行人圖像受到光照、視角、遮擋和行人姿態(tài)等變化的影響,在視覺(jué)上容易形成很大的外觀差異,對(duì)行人再識(shí)別造成干擾。為了提高行人再識(shí)別的準(zhǔn)確性,針對(duì)以上問(wèn)題,提出一種基于多特征融合與獨(dú)立測(cè)度學(xué)習(xí)的行人再識(shí)別算法。方法首先通過(guò)圖像增強(qiáng)算法對(duì)原始圖像進(jìn)行處理,減少因光照變化產(chǎn)生的影響,然后對(duì)處理后的圖像進(jìn)行非均勻分割,同時(shí)提取行人圖像的HSV、RGS、LAB和YCb Cr 4種顏色特征和SILTP(scale invariant local ternary pattern)紋理特征,在基于獨(dú)立距離測(cè)度學(xué)習(xí)方法下,融合行人的多種特征,學(xué)習(xí)得到行人圖像對(duì)的相似度度量函數(shù),最后將行人圖像對(duì)的相似度進(jìn)行加權(quán)匹配,實(shí)現(xiàn)行人再識(shí)別。結(jié)果在VIPe R、i LIDS和CUHK01這3個(gè)數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn),其中Rank1(排名第1的搜索結(jié)果即為待查詢?nèi)说谋嚷?分別達(dá)到42.7%、43.6%和43.7%,Rank5(排名前5的搜索結(jié)果中包含待查詢?nèi)说谋嚷?均超過(guò)70%,識(shí)別率有了顯著提高,具有實(shí)際應(yīng)用價(jià)值。結(jié)論提出的多特征融合與獨(dú)立測(cè)度學(xué)習(xí)的行人再識(shí)別算法,能夠有效表達(dá)行人圖像信息,且對(duì)環(huán)境變化具有較強(qiáng)的魯棒性,有效提高了識(shí)別率。
[Abstract]:Objective due to the influence of illumination, angle of view, occlusion and pedestrian posture on pedestrian images, it is easy to form great visual differences and interfere with the recognition of pedestrians. In order to improve the accuracy of pedestrian rerecognition, a pedestrian rerecognition algorithm based on multi-feature fusion and independent measure learning is proposed. Methods firstly, the original image was processed by image enhancement algorithm to reduce the influence of illumination change, and then the processed image was segmented inhomogeneously. At the same time, four color features and silTP (scale invariant local ternary pattern) texture features of HSVV-RGSlab and YCbCr are extracted from pedestrian images. Based on the learning method of independent distance measure, the multi-features of pedestrians are fused, and the similarity measure function of pedestrian image pairs is obtained. Finally, the similarity of pedestrian image pairs is weighted to achieve pedestrian recognition. Results the experiments were carried out on the three data sets of VIPe rimani lids and CUHK01. Among them, Rank1 (the ratio of the first search result to the person to be queried) reached 42.7% and 43.7%, respectively, and Rank5 (the ratio of people to be queried in the top 5 search results) exceeded 700.The recognition rate has been improved significantly and has practical application value. Conclusion the proposed multi-feature fusion and independent measure learning algorithm can effectively express pedestrian image information, and it is robust to environmental change and can effectively improve the recognition rate.
【作者單位】： 合肥工業(yè)大學(xué)計(jì)算機(jī)與信息學(xué)院;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(61371155) 安徽省科技攻關(guān)基金項(xiàng)目(1301b042023)~~
【分類(lèi)號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 初紅霞;王科俊;王希鳳;郭慶昌;韓晶;;多特征融合的退火粒子濾波目標(biāo)跟蹤[J];計(jì)算機(jī)工程與應(yīng)用;2011年06期

2 顧鑫;王海濤;汪凌峰;王穎;陳如冰;潘春洪;;基于不確定性度量的多特征融合跟蹤[J];自動(dòng)化學(xué)報(bào);2011年05期

3 姚紅革;杜亞勤;;基于多模式多特征融合粒子濾波視頻目標(biāo)跟蹤[J];西安工業(yè)大學(xué)學(xué)報(bào);2012年11期

4 王蘭;;基于多特征融合的票據(jù)分類(lèi)技術(shù)及應(yīng)用[J];計(jì)算機(jī)光盤(pán)軟件與應(yīng)用;2013年13期

5 陳增照;何秀玲;楊揚(yáng);董才林;;基于多特征融合的票據(jù)分類(lèi)技術(shù)及應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2006年09期

6 周斌;林喜榮;賈惠波;宋榕;;多特征融合的手背血管識(shí)別算法[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年02期

7 劉貴喜;范春宇;高恩克;;基于粒子濾波與多特征融合的視頻目標(biāo)跟蹤[J];光電子.激光;2007年09期

8 胡全;邱兆文;王霓虹;;基于多特征融合的圖像語(yǔ)義標(biāo)注[J];東北林業(yè)大學(xué)學(xué)報(bào);2008年10期

9 周靜;黃心漢;彭剛;;基于多特征融合的飛機(jī)目標(biāo)識(shí)別[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年01期

10 沈才梁;許雪貴;許方恒;龍丹;;多特征融合的人臉檢測(cè)[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2009年11期

相關(guān)會(huì)議論文 前3條

1 葉鋒;蔡光東;鄭子華;亓?xí)孕?尹鵬;;基于多特征融合的藥用植物標(biāo)本識(shí)別[A];2011年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第一分冊(cè)）[C];2011年

2 段其昌;季長(zhǎng)有;;基于多特征融合的快速人臉檢測(cè)[A];第十七屆全國(guó)測(cè)控計(jì)量?jī)x器儀表學(xué)術(shù)年會(huì)（MCMI'2007）論文集（上冊(cè)）[C];2007年

3 李玉峰;鄭德權(quán);趙鐵軍;;基于SVM和多特征融合的圖像分類(lèi)[A];第四屆全國(guó)信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集（上）[C];2008年

相關(guān)博士學(xué)位論文 前5條

1 劉明華;復(fù)雜環(huán)境下基于多特征融合的目標(biāo)跟蹤關(guān)鍵技術(shù)研究[D];青島科技大學(xué);2016年

2 田綱;基于多特征融合的Mean shift目標(biāo)跟蹤技術(shù)研究[D];武漢大學(xué);2011年

3 徐志剛;基于多特征融合的路面破損圖像自動(dòng)識(shí)別技術(shù)研究[D];長(zhǎng)安大學(xué);2012年

4 陳秀新;多特征融合視頻復(fù)制檢測(cè)關(guān)鍵技術(shù)研究[D];北京工業(yè)大學(xué);2013年

5 初紅霞;基于均值移動(dòng)和粒子濾波的目標(biāo)跟蹤關(guān)鍵技術(shù)研究[D];哈爾濱工程大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 張巖;基于多特征融合及二部圖匹配的3D目標(biāo)檢索技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2015年

2 計(jì)明明;基于多特征融合的三維模型檢索技術(shù)[D];浙江大學(xué);2015年

3 王慶;基于多特征融合的人體動(dòng)作識(shí)別方法研究[D];上海大學(xué);2015年

4 劉婕;復(fù)雜場(chǎng)景多特征融合粒子濾波目標(biāo)跟蹤[D];重慶理工大學(xué);2015年

5 崔劍;基于多特征融合的分級(jí)行人檢測(cè)方法研究[D];電子科技大學(xué);2015年

6 王珊珊;基于極化SAR非監(jiān)督分類(lèi)的油膜厚度估算方法研究[D];大連海事大學(xué);2015年

7 肖冠;基于多特征融合的異類(lèi)傳感器中段目標(biāo)關(guān)聯(lián)算法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

8 王建榮;基于多特征融合的無(wú)人機(jī)航拍圖像識(shí)別研究[D];成都理工大學(xué);2015年

9 高爽;基于多特征融合的粒子濾波跟蹤算法研究[D];西安電子科技大學(xué);2014年

10 坎啟嬌;基于多特征融合的多目標(biāo)跟蹤算法[D];河北工業(yè)大學(xué);2015年

，

本文編號(hào)：2051288