為了實現(xiàn)印刷智能工廠中員工的智能化管理,需要一套智能的行人重識別系統(tǒng)。行人重識別,即在多攝像機網(wǎng)絡中將目標對象與其他行人進行匹配。行人重識別使我們可以在多個攝像機中找到同一個感興趣的目標,在智能工廠中具有廣泛的應用價值。由于多種不確定性因素的影響,行人重識別現(xiàn)在還是一個具有很大難度的課題。監(jiān)控視頻中,行人不同的身體姿態(tài)、不同的光照條件和不同的視角條件下的顯著視覺變化,使得行人自身的變化比行人之間的變化更大。此外,背景雜波和遮擋也會造成額外的困難。本課題受陜西北人印刷機械有限公司的委托,研究印刷智能工廠中,行人信息快速提取和準確識別的問題。本文開展了以下工作:(1)本文提出了一種基于多特征加權距離度量的行人重識別方法。首先,利用人體分區(qū)提取多個局部特征,建立了基于多個特征的特征向量,并給出了一種加權的距離度量方法。其次,利用訓練集與測試集圖像之間的相似性關系,提出了一個排名優(yōu)化框架。實驗中,本文在iLIDS與VIPeR數(shù)據(jù)集上驗證了所提方法的有效性,然后又在上述兩個數(shù)據(jù)集上驗證了排名優(yōu)化的效果,并與多種方法進行了比較,結果表明所提出的方法對視角、姿態(tài)等具有較強的魯棒性,在iLIDS數(shù)據(jù)集...

【文章頁數(shù)】：57 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景
    1.2 國內(nèi)外研究概述
        1.2.1 基于視覺特征的方法概述
        1.2.2 基于生物特征的方法概述
    1.3 主要研究內(nèi)容
2 行人重識別理論
    2.1 行人重識別系統(tǒng)
    2.2 尺度不變特征變換(SIFT)介紹
    2.3 高斯映射與高斯曲率
    2.4 行人重識別常用距離函數(shù)
    2.5 本章小結
3 基于多特征加權距離度量的行人重識別算法設計研究
    3.1 算法流程設計
    3.2 行人圖像預處理
    3.3 基于多特征融合的特征表示模型的建立
        3.3.1 SIFT特征與顏色特征的提取
        3.3.2 輪廓特征的提取
        3.3.3 Haralick紋理特征的提取
    3.4 基于馬氏距離函數(shù)的加權距離度量方法
        3.4.1 檢測SIFT特征的匹配
        3.4.2 計算加權距離
    3.5 初始排名的優(yōu)化
    3.6 實驗分析
        3.6.1 實驗環(huán)境
        3.6.2 數(shù)據(jù)集及評測方法
        3.6.3 在iLIDS數(shù)據(jù)集上的性能
        3.6.4 在iLIDS數(shù)據(jù)集與VIPeR數(shù)據(jù)集上驗證所提方法與排名優(yōu)化的效果
    3.7 本章小結
4 基于高斯映射的步態(tài)識別算法設計研究
    4.1 算法概述
    4.2 基于高斯映射的步態(tài)特征表示模型的建立
        4.2.1 高斯映射
        4.2.2 輪廓邊界的平滑
        4.2.3 距離變換
        4.2.4 利用法向量直方圖進行量化
    4.3 基于步態(tài)周期的距離度量方法
    4.4 實驗分析
        4.4.1 實驗環(huán)境
        4.4.2 數(shù)據(jù)集
        4.4.3 在USF步態(tài)數(shù)據(jù)集上的實驗
        4.4.4 在CASIA-B步態(tài)數(shù)據(jù)集與OULP步態(tài)數(shù)據(jù)集上的實驗
    4.5 本章小結
5.總結與展望
    5.1 總結
    5.2 展望
致謝
參考文獻
攻讀學位期間主要研究成果



本文編號：3858049