本文關(guān)鍵詞：基于視覺顯著特征分析的行人再識別方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：行人再識別技術(shù),主要是指行人穿梭于攝像機網(wǎng)絡(luò)廣域監(jiān)控場景中的匹配,尤其是針對無重疊視域的攝像機網(wǎng)絡(luò),是社會安防和智能監(jiān)控的重要任務(wù)之一。然而,由于多攝像機視域場景的變化、行人目標姿態(tài)的變化、多個攝像機成像的差異、光照的改變等因素,使得行人再識別技術(shù)的實際研究工作具有巨大的挑戰(zhàn)性。行人再識別的基本過程主要包括行人圖像或視頻特征的融合與提取,以及特征之間相似度度量模型的設(shè)計,根據(jù)度量模型的數(shù)據(jù)輸入,行人再識別研究方法可以分為基于單幅圖像的方法和基于視頻序列的方法兩類。其中基于單幅圖像是指對于一個行人目標,模型在一個攝像機場景中可以利用的信息只有一幅圖像；而基于視頻序列可以利用的信息為多幅圖像或者一段視頻序列。本論文針對基于單幅圖像(single-shot)和基于視頻序列(multi-shot)兩種情況下的行人再識別問題展開研究,重點研究視覺顯著特征在行人再識別問題中的重要作用。首先,針對基于單幅圖像的行人再識別,將行人圖像的顯著性區(qū)域作為圖像中最具有代表性的視覺顯著特征,也可以稱為圖像的代表性區(qū)域。顯著性的學(xué)習可以理解為圖像視覺顯著特征的提取,現(xiàn)有的一些方法已經(jīng)證明行人顯著性信息的重要性。如何挖掘更具有代表性和區(qū)分能力的顯著性信息是行人再識別的一個重要研究任務(wù)。另外針對基于視頻序列的行人再識別,將視頻序列中具有較強區(qū)分能力的圖像作為視頻的視覺顯著特征�，F(xiàn)有基于單幅行人圖像之間的匹配忽略了監(jiān)控視頻中行人序列中蘊含的豐富信息,而且現(xiàn)實生產(chǎn)中行人的行蹤都是通過視頻的形式存儲的,即視頻序列。如何選擇具有視覺特征明顯的圖像序列,即如何提取視頻的關(guān)鍵幀并將其用于行人的再識別是基于視頻序列下行人再識別的一個關(guān)鍵問題。本文針對上述兩個問題展開研究,論文主要的工作與貢獻包括如下三點：第一,針對基于單幅圖像行人再識別的視覺顯著特征表達問題,提出一種基于局部離群點檢測的無監(jiān)督顯著性學(xué)習方法。首次將這類顯著性區(qū)域檢測方法歸結(jié)為離群點檢測問題,同時利用行人目標圖像稠密局部塊的密度和距離信息計算局部區(qū)域的顯著性值,能夠較好的獲得行人圖像中視覺明顯、顯著性高的局部區(qū)域。第二,在獲得行人圖像視覺顯著特征區(qū)域的基礎(chǔ)上,我們給出了一種基于單幅圖像行人再識別模型。該模型融合了圖像顯著區(qū)域、行人頭部先驗和塊匹配方法以計算圖像之間的相似度,通過公共數(shù)據(jù)集的驗證,相比單純利用塊匹配的方法,具有較高的計算效率和較好的計算效果。第三,針對基于視頻序列的行人再識別視覺顯著特征表達的問題,提出一種基于協(xié)同稀疏恢復(fù)的視頻顯著特征選取策略,并利用選取的關(guān)鍵序列作為行人相似度度量的基礎(chǔ)。該方法通過行稀疏正則化跡最小化問題的求解實現(xiàn)視頻關(guān)鍵序列的選取,將基于視頻序列行人再識別問題轉(zhuǎn)化為關(guān)鍵序列圖像之間的識別和匹配問題。多幅行人序列圖像相比單幅行人圖像而言,可以利用的信息較多,因此具有較為穩(wěn)定的識別效果,并且能夠避免單幅行人圖像由于遮擋和物品的干擾原因造成效果不佳的問題。
【關(guān)鍵詞】：顯著性學(xué)習 視覺顯著特征 度量學(xué)習 行人再識別 關(guān)鍵幀 監(jiān)控網(wǎng)絡(luò)
【學(xué)位授予單位】：安徽大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要3-5
• Abstract5-13
• 第一章 緒論13-22
• 1.1 研究背景與意義13-15
• 1.2 國內(nèi)外研究現(xiàn)狀15-20
• 1.3 本文的主要貢獻與內(nèi)容安排20-22
• 第二章 行人再識別相關(guān)技術(shù)22-29
• 2.1 Single-Shot行人再識別22-25
• 2.1.1 行人圖像特征表示23-24
• 2.1.2 行人圖像距離度量24-25
• 2.2 Multi-Shot行人再識別25-28
• 2.2.1 行人序列特征表示25-27
• 2.2.2 行人序列距離度量27-28
• 2.3 本章小結(jié)28-29
• 第三章 基于圖像顯著特征學(xué)習的single-shot行人再識別方法29-46
• 3.1 引言29-30
• 3.2 基于密度-距離的顯著性特征表達30-34
• 3.2.1 顯著特征表達概述30-31
• 3.2.2 距離顯著性特征學(xué)習方法31-33
• 3.2.3 密度顯著性特征學(xué)習方法33-34
• 3.3 特征提取與相似性度量34-38
• 3.3.1 特征提取34-36
• 3.3.2 相似性度量36-38
• 3.4 基于顯著特征表達的行人再識別算法38-41
• 3.5 實驗與分析41-44
• 3.5.1 數(shù)據(jù)集介紹41-42
• 3.5.2 實驗結(jié)果與分析42-44
• 3.6 本章小結(jié)44-46
• 第四章 基于協(xié)同稀疏恢復(fù)顯著幀提取的multi-shot行人再識別方法46-63
• 4.1 引言46
• 4.2 基于協(xié)同稀疏恢復(fù)的視頻顯著幀提取46-51
• 4.2.1 協(xié)同稀疏恢復(fù)概述47-48
• 4.2.2 正則化參數(shù)48-49
• 4.2.3 顯著幀提取49-51
• 4.3 特征提取與相似性度量51-54
• 4.3.1 圖像特征提取51-53
• 4.3.2 二次線性判別分析方法53-54
• 4.4 基于顯著幀提取的行人再識別算法54-56
• 4.5 實驗與分析56-61
• 4.5.1 數(shù)據(jù)集介紹56-57
• 4.5.2 實驗結(jié)果與分析57-61
• 4.6 本章小結(jié)61-63
• 第五章 總結(jié)和展望63-65
• 5.1 工作總結(jié)63-64
• 5.2 未來展望64-65
• 參考文獻65-71
• 致謝71-73
• 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文73-74
• 攻讀碩士學(xué)位期間參加的科研項目74

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前2條

1 劉麗;匡綱要;;圖像紋理特征提取方法綜述[J];中國圖象圖形學(xué)報;2009年04期

2 艾海舟,呂鳳軍,劉偉,郭艷芳;面向視覺監(jiān)視的變化檢測與分割[J];計算機工程與應(yīng)用;2001年05期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 焦波;面向智能視頻監(jiān)控的運動目標檢測與跟蹤方法研究[D];國防科學(xué)技術(shù)大學(xué);2009年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 劉成;行人再識別關(guān)鍵技術(shù)研究[D];北京郵電大學(xué);2013年

  本文關(guān)鍵詞：基于視覺顯著特征分析的行人再識別方法研究，，由筆耕文化傳播整理發(fā)布。

本文編號：385453