本文選題：行人再識別　切入點：超像素　出處：《電子科技大學(xué)》2016年碩士論文

【摘要】：隨著視頻監(jiān)控的逐漸普及,監(jiān)控視頻系統(tǒng)在社會公共安全和維護穩(wěn)定中發(fā)揮著越來越重要的作用,對于大部分的監(jiān)控系統(tǒng),視頻中的人及人的行為都是關(guān)注和研究的重點對象,在視頻偵查的應(yīng)用中,對監(jiān)控視頻畫面中的人進行檢測、識別、跟蹤和分析其特定行為,利用監(jiān)控系統(tǒng)檢測到的信息做進一步的分析,而其中行人再識別技術(shù)就是監(jiān)控視頻中的核心關(guān)鍵問題,它指的是判斷不同攝像頭下出現(xiàn)的行人是否屬于同一行人。隨著計算機視覺的發(fā)展和社會應(yīng)用的不斷需求,行人再識別這一問題正逐漸發(fā)展成熱點,基于行人在監(jiān)控攝像頭下的特點,本文提出了三種基于行人外貌特征的再識別算法,主要的工作如下:首先,本文提出了一種基于超像素分割的行人再識別算法。先用圖像填充的方法對檢測到的前景行人圖像進行填充,再將行人分割成超像素塊,對每個超像素塊提取其顏色特征,并根據(jù)事先訓(xùn)練好的行人顏色特征的聚類中心,計算與每個顏色特征最靠近的聚類中心,統(tǒng)計每個超像素塊的聚類中心直方圖作為該超像素塊的特征,為了匹配不同的行人,本文提出了一種超像素塊投影匹配的算法,重點解決了行人特征之間的匹配問題。然后,本文建立了單個監(jiān)控視頻下、不同時間段、不同遠近的行人再識別系統(tǒng)框架,提出了基于行人部件分割的再識別算法,本文訓(xùn)練了行人不同部件的檢測器,分別提取每個部件的顏色和紋理特征,將多個顏色空間級聯(lián)起來作為顏色特征,融合局部二值模式(LBP)紋理特征,將行人之間的匹配問題轉(zhuǎn)換成行人各部件之間的匹配問題。最后,本文建立了不同攝像頭下、同一時間段、不同角度的行人再識別系統(tǒng)框架,提出了基于不同行人區(qū)域特征匹配的方法。本文將行人不同區(qū)域劃分成大小相同的小塊,對每個小塊提取顏色均值,再對該行人與目標(biāo)行人對應(yīng)區(qū)域的所有顏色值進行聚類,提取聚類后的顏色直方圖并且結(jié)合尺度不變特征變換(SIFT)描述子,計算對應(yīng)行人區(qū)域之間距離進行行人匹配。
[Abstract]:With the popularity of video surveillance, video surveillance system plays an increasingly important role in social public security and maintenance and stability. For most surveillance systems, people and their behavior are the focus of attention and research.In the application of video detection, the detection, identification, tracking and analysis of the specific behavior of the people in the surveillance video picture are carried out, and the information detected by the monitoring system is used for further analysis.The technology of pedestrian rerecognition is the key problem in surveillance video, which means to judge whether the pedestrian under different cameras belongs to the same pedestrian.With the development of computer vision and the continuous demand of social application, the problem of pedestrian rerecognition is gradually developing into a hot spot. Based on the characteristics of pedestrians under the surveillance camera, this paper proposes three rerecognition algorithms based on the features of pedestrian appearance.The main work is as follows: firstly, a pedestrian rerecognition algorithm based on hyperpixel segmentation is proposed.First, the foreground pedestrian image is filled with the image filling method, then the pedestrian is divided into super-pixel blocks, and the color features of each super-pixel block are extracted, and the clustering center of the pre-trained pedestrian color feature is used.The clustering center closest to each color feature is calculated, and the cluster center histogram of each super-pixel block is counted as the feature of the super-pixel block. In order to match different pedestrians, a super-pixel block projection matching algorithm is proposed in this paper.The matching problem between pedestrian features is solved emphatically.Then, this paper establishes the framework of pedestrian rerecognition system based on single surveillance video, different time period, different distance and near, proposes a rerecognition algorithm based on pedestrian component segmentation, and trains the detector of different pedestrian parts.The color and texture features of each component are extracted, and several color spaces are concatenated as color features to fuse the local binary pattern (LBP) texture features, and the matching problem between pedestrians is transformed into the matching problem among pedestrian components.Finally, the framework of pedestrian rerecognition system with different cameras, the same time period and different angles is established, and a method based on different pedestrian area feature matching is proposed.In this paper, different areas of pedestrians are divided into small blocks of the same size, and the average color of each block is extracted, and then all the color values of the corresponding area between the pedestrian and the target pedestrian are clustered.The color histogram after clustering is extracted and the SIFT descriptor is used to calculate the distance between the corresponding pedestrian areas for pedestrian matching.
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41;TN948.6

【相似文獻】

相關(guān)期刊論文 前10條

1 陳姣姣;張曉如;周永梅;;基于本體的監(jiān)控視頻語義事件探測[J];計算機應(yīng)用研究;2012年01期

2 代科學(xué);李國輝;武德峰;;聚類挖掘在監(jiān)控視頻中的應(yīng)用[J];測控技術(shù);2006年10期

3 汪賢鋒;;基于內(nèi)容的二次聚類監(jiān)控視頻摘要生成分析[J];內(nèi)蒙古財經(jīng)大學(xué)學(xué)報;2013年05期

4 周清華;周俊;林必毅;;監(jiān)控視頻流傳輸?shù)膽?yīng)用研究[J];智能建筑與城市信息;2009年08期

5 姚彬;史萍;葛菲;謝志揚;;監(jiān)控視頻的摘要提取方法研究[J];電視技術(shù);2010年04期

6 周玉蘭;;電子監(jiān)控視頻使用中的新聞倫理三問[J];視聽縱橫;2014年03期

7 柳偉;代科學(xué);盧鑫;郭森;;監(jiān)控視頻聚簇模式挖掘及其應(yīng)用[J];數(shù)據(jù)采集與處理;2008年04期

8 辛麗麗;;鶴礦集團遠程安全監(jiān)控視頻集成系統(tǒng)[J];煤炭技術(shù);2008年05期

9 謝俊宏;;淺談監(jiān)控視頻干擾問題的解決[J];海峽科學(xué);2008年08期

10 朱麗英;梁辰;張鴻洲;;基于運動目標(biāo)的監(jiān)控視頻檢索方法[J];計算機應(yīng)用與軟件;2011年12期

相關(guān)會議論文 前6條

1 李國輝;代科學(xué);;一種基于運動量的監(jiān)控視頻事件挖掘方法[A];第一屆建立和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2005）論文集[C];2005年

2 高美容;于明;;一種監(jiān)控視頻分段的方法[A];2007北京地區(qū)高校研究生學(xué)術(shù)交流會通信與信息技術(shù)會議論文集（上冊）[C];2008年

3 歐溫暖;田緒紅;朱同林;;基于課室監(jiān)控視頻的課堂行為計數(shù)分析[A];第五屆全國幾何設(shè)計與計算學(xué)術(shù)會議論文集[C];2011年

4 甘金明;;基于DSP的路燈監(jiān)控視頻捕捉器設(shè)計[A];全國第二屆信號處理與應(yīng)用學(xué)術(shù)會議�？痆C];2008年

5 李博;李國輝;涂丹;;非重疊監(jiān)控視頻中行人目標(biāo)的檢測與匹配[A];第七屆和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2011)論文集【poster】[C];2011年

6 吳秀敏;唐志偉;張輝;;基于火災(zāi)監(jiān)控視頻的人員疏散行為統(tǒng)計分析[A];2013中國消防協(xié)會科學(xué)技術(shù)年會論文集[C];2013年

相關(guān)重要報紙文章 前10條

1 和靜鈞;擅播公共監(jiān)控視頻并非都違法[N];深圳特區(qū)報;2013年

2 郭海濱　羅燕清 梁明翥;八一總場治安監(jiān)控視頻系統(tǒng)顯神威[N];海南農(nóng)墾報;2009年

3 王東亮;應(yīng)急指揮可隨時調(diào)用全市監(jiān)控視頻[N];北京日報;2007年

4 嘉興日報評論部 晏揚;監(jiān)控視頻：反腐利器如何出鞘[N];人民法院報;2013年

5 記者 洪奕宜　通訊員 粵公宣 麥媛玲;12種場所強制安裝監(jiān)控視頻[N];南方日報;2009年

6 楊濤;禁止擅傳公共場所監(jiān)控視頻是良法[N];深圳商報;2013年

7 記者 曹俊杰;監(jiān)視器下的真實[N];第一財經(jīng)日報;2011年

8 本報記者 徐雋 王漢超 申琳;禁看監(jiān)控，無妨監(jiān)督[N];人民日報;2013年

9 記者 李亦中　通訊員 潘峰;指揮調(diào)度集成化全國領(lǐng)先[N];長江日報;2011年

10 記者 李亞亞　劉冉冉 張冰芯;裝攝像頭能否防虐童？[N];廣州日報;2012年

相關(guān)博士學(xué)位論文 前3條

1 馬浚誠;面向葉部病害識別的設(shè)施蔬菜監(jiān)控視頻關(guān)鍵幀提取方法研究[D];中國農(nóng)業(yè)大學(xué);2016年

2 聶婕;人體生理活動監(jiān)控視頻中的關(guān)鍵事件檢測[D];中國海洋大學(xué);2011年

3 王亦民;面向監(jiān)控視頻的行人重識別技術(shù)研究[D];武漢大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 申海洋;基于內(nèi)容的監(jiān)控視頻檢索算法研究[D];山西大學(xué);2014年

2 袁冠紅;基于異常事件檢測的交通監(jiān)控視頻摘要[D];浙江大學(xué);2015年

3 李招昕;基于流式計算的大規(guī)模監(jiān)控視頻分析關(guān)鍵技術(shù)研究[D];上海大學(xué);2015年

4 方士兵;基于監(jiān)控視頻的行人統(tǒng)計方法研究[D];中國礦業(yè)大學(xué);2015年

5 肖碧波;基于監(jiān)控視頻的視頻分析方法研究[D];北京化工大學(xué);2015年

6 胡憲洋;監(jiān)控視頻中特定目標(biāo)的檢測與辨識方法研究[D];電子科技大學(xué);2015年

7 陳煒;基于內(nèi)容分析的監(jiān)控視頻采集傳輸系統(tǒng)的研究與應(yīng)用[D];北京工業(yè)大學(xué);2015年

8 張芯;監(jiān)控視頻中運動目標(biāo)分類算法研究[D];國防科學(xué)技術(shù)大學(xué);2013年

9 王輝;基于道路監(jiān)控視頻的交通擁堵判別方法研究[D];南京郵電大學(xué);2015年

10 韓小萱;高效監(jiān)控視頻摘要的關(guān)鍵技術(shù)研究[D];南京郵電大學(xué);2015年

，

本文編號：1722701