本文關(guān)鍵詞：實(shí)時(shí)人員再辨識(shí)關(guān)鍵技術(shù)，由筆耕文化傳播整理發(fā)布。

【摘要】：計(jì)算機(jī)視覺(jué)及模式識(shí)別領(lǐng)域發(fā)展迅猛,諸多技術(shù)已經(jīng)應(yīng)用于日常生活之中,這些新技術(shù)在潛移默化地改變著我們的生活方式的同時(shí)也使人們對(duì)新技術(shù)的革新有了更多的期待。隨著攝像頭網(wǎng)絡(luò)在公共場(chǎng)所布設(shè)范圍日益擴(kuò)大,公共安全以及公共監(jiān)控受到越來(lái)越多的重視,如何有效利用錄像信息進(jìn)行公共安全監(jiān)控與刑事偵測(cè),成為一個(gè)日益凸顯的問(wèn)題。人員目標(biāo)再辨識(shí)(Person Re-identification)技術(shù)即在此背景下提出,主要致力于在單個(gè)或多個(gè)攝像頭中完成對(duì)目標(biāo)的搜索與識(shí)別。本文針對(duì)實(shí)際高清監(jiān)控環(huán)境以及標(biāo)準(zhǔn)圖片庫(kù)分別提出了兩種再辨識(shí)方案,主要工作包括： 1.搭建了一個(gè)面向海量高清監(jiān)控視頻的實(shí)時(shí)人體辨識(shí)系統(tǒng)。(1)根據(jù)人體上下半身穿著相對(duì)穩(wěn)定且符合黃金分割定律的特點(diǎn)而將目標(biāo)按上下半身6：4比例分割,分別提取特征進(jìn)行匹配；(2)提出了一種三級(jí)搜索機(jī)制逐層過(guò)濾縮小搜索范圍,首先通過(guò)前景提取濾除背景干擾,而后利用主顏色特征減少雜色干擾,最后通過(guò)對(duì)目標(biāo)區(qū)域顏色與紋理特征的匹配,最終輸出結(jié)果；(3)為應(yīng)對(duì)尺度問(wèn)題,本文在視頻中加入先驗(yàn)知識(shí),將目標(biāo)在視頻中出現(xiàn)的位置與其搜索尺度相聯(lián)系,實(shí)現(xiàn)更加精準(zhǔn)的匹配和識(shí)別：(4)在TRECVID數(shù)據(jù)集與實(shí)際監(jiān)控視頻中均進(jìn)行了測(cè)試,識(shí)別率約90%,而且平均1秒鐘可以處理25幀以上圖像,滿足實(shí)時(shí)性要求；(5)本文將系統(tǒng)移植到Hadoop分布式平臺(tái)后,三個(gè)Map與單個(gè)Map相比,處理速度提升46%。 2.提出了一種基于Ranking SVM及樣本擴(kuò)展的人體再辨識(shí)算法。(1)首先對(duì)目標(biāo)提取RGB、HSV、LAB直方圖及LBP特征,利用簡(jiǎn)單的歐氏距離比較進(jìn)行初步排序,而后根據(jù)已知的排序結(jié)果利用Rank SVM進(jìn)行第二次排序；(2)利用已知的排序信息來(lái)模擬搜索引擎中的‘點(diǎn)擊’行為,根據(jù)點(diǎn)擊目標(biāo)進(jìn)行查詢擴(kuò)展,從而彌補(bǔ)了原有單一目標(biāo)的不足,均衡最終搜索誤差。在ETHZ數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)結(jié)果表明,通過(guò)重排序可以有效提升結(jié)果排名,而人機(jī)交互式信息的引入也更能夠符合未來(lái)智能處理及人機(jī)互動(dòng)交流的需求。
【關(guān)鍵詞】：目標(biāo)再辨識(shí) 實(shí)時(shí) 重排序 排序支持向量機(jī) 查詢擴(kuò)展
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TP391.41
【目錄】：

• 摘要4-6
• ABSTRACT6-10
• 第一章 緒論10-24
• 1.1 研究背景10-11
• 1.2 人體再辨識(shí)11-17
• 1.2.1 再辨識(shí)一般框架11-12
• 1.2.2 通用圖像底層特征12-16
• 1.2.3 常用分類方法16-17
• 1.3 國(guó)內(nèi)外研究現(xiàn)狀17-21
• 1.3.1 簡(jiǎn)單距離與度量學(xué)習(xí)18-21
• 1.3.2 監(jiān)督與無(wú)監(jiān)督學(xué)習(xí)21
• 1.4 本文主要工作與安排21-24
• 1.4.1 本文的工作21-22
• 1.4.2 本文的安排22-24
• 第二章 實(shí)時(shí)人體再辨識(shí)24-44
• 2.1 引言24
• 2.2 人體再辨識(shí)系統(tǒng)框架24-25
• 2.3 前景提取25-28
• 2.4 視頻濃縮28
• 2.5 特征提取28-33
• 2.5.1 人體分塊28-29
• 2.5.2 圖像的顏色量化29-30
• 2.5.3 H顏色直方圖30-31
• 2.5.4 主顏色31
• 2.5.5 紋理特征31-33
• 2.6 尺度問(wèn)題33-34
• 2.7 搜索策略34
• 2.8 Hadoop優(yōu)化34-37
• 2.8.1 Hadoop35
• 2.8.2 HDFS35-36
• 2.8.3 MapReduce36-37
• 2.9 實(shí)驗(yàn)37-42
• 2.9.1 TRECVID數(shù)據(jù)庫(kù)38-39
• 2.9.2 現(xiàn)實(shí)標(biāo)清視頻39-40
• 2.9.3 現(xiàn)實(shí)高清視頻40-41
• 2.9.4 Hadoop實(shí)驗(yàn)結(jié)果41-42
• 2.10 小結(jié)42-44
• 第三章 基于重排序及樣本擴(kuò)展的人體再辨識(shí)44-54
• 3.1 引言44-45
• 3.2 特征提取45
• 3.3 主成分分析45-46
• 3.4 排序支持向量機(jī)46-48
• 3.4.1 基于Ranking SVM的交互檢索46-47
• 3.4.2 Ranking SVM47
• 3.4.3 重排序47-48
• 3.5 實(shí)驗(yàn)48-52
• 3.5.1 數(shù)據(jù)庫(kù)48-50
• 3.5.2 多鏡頭與單鏡頭50
• 3.5.3 CMC曲線50
• 3.5.4 實(shí)驗(yàn)結(jié)果50-52
• 3.6 小結(jié)52-54
• 第四章 總結(jié)與展望54-58
• 4.1 總結(jié)54-55
• 4.2 展望55-58
• 參考文獻(xiàn)58-62
• 致謝62-64
• 作者攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄64

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前3條

1 周怡;蔣宵云;呂佳寧;;我國(guó)視頻監(jiān)控市場(chǎng)規(guī)模分析[J];中國(guó)公共安全(綜合版);2011年07期

2 許允喜;蔣云良;陳方;;基于支持向量機(jī)增量學(xué)習(xí)和LPBoost的人體目標(biāo)再識(shí)別算法[J];光子學(xué)報(bào);2011年05期

3 范彩霞;朱虹;藺廣逢;羅磊;;多特征融合的人體目標(biāo)再識(shí)別[J];中國(guó)圖象圖形學(xué)報(bào);2013年06期

  本文關(guān)鍵詞：實(shí)時(shí)人員再辨識(shí)關(guān)鍵技術(shù)，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：302901