發(fā)布時間：2017-03-31 00:16

  本文關(guān)鍵詞：無交疊多攝像機網(wǎng)絡(luò)中的人員再辨識，由筆耕文化傳播整理發(fā)布。

【摘要】：多攝像機協(xié)同行人監(jiān)控是現(xiàn)代視頻監(jiān)控系統(tǒng)的重要發(fā)展方向,但攝像機之間的“空間盲區(qū)域”破壞了來自不同攝像機的多段行人運動軌跡的連續(xù)性。行人再辨識技術(shù)試圖通過視覺比對的方式將不同攝像機所拍攝的屬于同一個行人的圖像或者視頻片段關(guān)聯(lián)起來,以解決“空間盲區(qū)域”問題。行人再辨識技術(shù)是實現(xiàn)多攝像機協(xié)同行人監(jiān)控的關(guān)鍵步驟�；谝陨媳尘�,本學(xué)位論文主要研究了無交疊攝像機網(wǎng)絡(luò)中的行人再辨識問題。論文主要包括針對特定攝像機對之間的顏色特征重構(gòu)、綜合特征的跨模態(tài)匹配以及針對整個攝像機網(wǎng)絡(luò)的數(shù)據(jù)自適應(yīng)局部度量學(xué)習(xí)方法。這些方法有效克服不同應(yīng)用場景下光照條件、攝像機參數(shù)、攝像機與行人之間的視角、行人姿勢以及遮擋等因素對再辨識系統(tǒng)的不利影響。具體來說,本文的主要研究內(nèi)容有：(1)針對特定攝像機對之間光照條件和攝像機參數(shù)的差異所導(dǎo)致的圖像顏色信息偏移和失真,本文提出了基于低秩矩陣填充的行人再辨識方法。通過分析光照條件和攝像機參數(shù)對顏色信息的作用機理,我們得到特定攝像機對顏色信息之間存在線性變化關(guān)系的結(jié)論。利用這種線性關(guān)系,我們使用跨攝像機顏色特征構(gòu)造具有低秩屬性的特征矩陣,并利用低秩矩陣填充來實現(xiàn)查詢圖像顏色特征在數(shù)據(jù)庫攝像機顏色空間中的重構(gòu)。由于重構(gòu)特征與數(shù)據(jù)庫特征具有相同的光照條件和攝像機參數(shù)條件,所以當(dāng)我們使用重構(gòu)特征代替原始查詢特征進行最近鄰搜索時,可以有效消除顏色偏移和失真對圖像匹配的不利影響。此外,我們在矩陣填充模型中添加噪聲項,以消除隨時間變化的光照條件對顏色信息的細微影響。在VIPeR和CUHK02-P1數(shù)據(jù)庫上的實驗結(jié)果表明本方法可以有效克服圖像顏色的偏移和失真問題,提高系統(tǒng)在行人再辨識問題上的性能。(2)在特定的一對攝像機之間,行人綜合特征受到光照條件攝像機參數(shù)、攝像機與行人之間的視角、行人姿勢以及外部遮擋的綜合影響,其數(shù)據(jù)分布具有跨模態(tài)和差異多樣性的特點。針對這種數(shù)據(jù)分布情況,本文提出了基于Ada Boost跨模態(tài)投影的行人再辨識算法。我們使用AdaBoost模型學(xué)習(xí)跨模態(tài)投影集合,每一次迭代學(xué)習(xí)一個跨模態(tài)投影模型,用于處理一種數(shù)據(jù)分布差異。不同模型之間各司其職且功能互補。每個投影模型由一對投影函數(shù)組成,它們分別負責(zé)將處于不同模態(tài)的數(shù)據(jù)投影到公共數(shù)據(jù)模態(tài)中并完成相似度計算。因此跨模態(tài)投影集合能夠有效處理跨模態(tài)和數(shù)據(jù)分布差異多樣性的問題。我們分別構(gòu)建基于哈希投影函數(shù)和線性投影函數(shù)的跨模態(tài)投影集合并進行分類器級別的融合。在實驗部分,我們使用CUHK02-P2數(shù)據(jù)庫進行模型參數(shù)配置的交叉驗證,然后在VIPeR和CUHK02-P1數(shù)據(jù)庫上進行算法性能評估。實驗結(jié)果證明了我們提出方法的有效性。(3)針對整個攝像機網(wǎng)絡(luò)而言,每一張行人圖像的拍攝環(huán)境都各不相同,導(dǎo)致其對應(yīng)的特征具有獨特的數(shù)據(jù)分布。針對這種多樣性的數(shù)據(jù)分布,我們提出了基于數(shù)據(jù)自適應(yīng)局部度量學(xué)習(xí)的行人再辨識算法。我們?yōu)槊恳粋�圖像特征學(xué)習(xí)一個獨特的局部投影矩陣。所有的特征經(jīng)過局部投影之后處于相同的特征空間中,消除了數(shù)據(jù)分布的差異,從而保證了最近鄰分類效果。此外,投影矩陣的適應(yīng)性調(diào)整還可以保證模型對其他數(shù)據(jù)分布下的樣本也具有泛化能力,提高了模型的實用性。在計算局部投影矩陣的過程中,我們使用基于LCC的近似學(xué)習(xí)方法,根據(jù)當(dāng)前特征樣本的局部編碼,我們使用若干“基本投影矩陣”的線性加權(quán)來近似表示當(dāng)前樣本的局部投影矩陣。實驗結(jié)果表明：與參考對比算法以及現(xiàn)有主流的行人再辨識算法相比,本算法在克服數(shù)據(jù)分布多樣性和泛化能力上都有較好的表現(xiàn)。
【關(guān)鍵詞】：行人再辨識 多攝像機行人跟蹤 矩陣填充 跨模態(tài)投影 度量學(xué)習(xí)
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TP391.41;TN948.6
【目錄】：

• 摘要4-6
• ABSTRACT6-9
• 縮略語表9-13
• 第一章 緒論13-31
• 1.1 研究背景和意義13-18
• 1.2 發(fā)展歷史和現(xiàn)狀18-19
• 1.3 系統(tǒng)構(gòu)成19-22
• 1.4 面臨的困難和技術(shù)難點22-25
• 1.4.1 外觀特征表示23-24
• 1.4.2 相似性衡量模型24-25
• 1.5 主要研究內(nèi)容及結(jié)構(gòu)安排25-27
• 1.5.1 主要研究內(nèi)容25-26
• 1.5.2 結(jié)構(gòu)安排26-27
• 參考文獻27-31
• 第二章 行人再辨識研究現(xiàn)狀31-55
• 2.1 引言31
• 2.2 應(yīng)用場景分類31-32
• 2.3 外觀特征設(shè)計32-39
• 2.3.1 身體分塊模型32-34
• 2.3.2 外觀描述特征34-39
• 2.4 特征匹配算法39-42
• 2.4.1 跨攝像機轉(zhuǎn)移建模40
• 2.4.2 度量學(xué)習(xí)40-42
• 2.4.3 跨數(shù)據(jù)庫遷移學(xué)習(xí)42
• 2.5 算法評價42-46
• 2.5.1 常用數(shù)據(jù)庫42-46
• 2.5.2 算法評價標(biāo)準46
• 2.6 本章小結(jié)46-47
• 參考文獻47-55
• 第三章 基于低秩矩陣填充的行人再辨識55-75
• 3.1 引言55-56
• 3.2 研究現(xiàn)狀56-57
• 3.3 研究動機57-58
• 3.4 顏色模型58-60
• 3.5 所提出的算法60-66
• 3.5.1 矩陣填充60-61
• 3.5.2 算法描述61-65
• 3.5.3 優(yōu)化過程65-66
• 3.6 實驗結(jié)果與分析66-70
• 3.6.1 數(shù)據(jù)庫66
• 3.6.2 特征提取66-67
• 3.6.4 參數(shù)設(shè)定67
• 3.6.5 性能評估67-70
• 3.7 小結(jié)70-71
• 參考文獻71-75
• 第四章 基于AdaBoost的跨模態(tài)投影的行人再辨識75-99
• 4.1 引言75-76
• 4.2 研究現(xiàn)狀76
• 4.3 研究動機76-78
• 4.4 相關(guān)知識78-83
• 4.4.1 哈希投影78-81
• 4.4.2 典型關(guān)聯(lián)分析81-82
• 4.4.3 AdaBoost模型82-83
• 4.5 所提出的算法83-88
• 4.5.1 哈希投影模型84-87
• 4.5.2 線性投影模型87-88
• 4.5.3 模型融合88
• 4.6 實驗結(jié)果與分析88-94
• 4.6.1 數(shù)據(jù)庫89
• 4.6.2 特征提取89
• 4.6.3 參數(shù)設(shè)定89-91
• 4.6.4 性能評估91-94
• 4.7 小結(jié)94-95
• 參考文獻95-99
• 第五章 基于數(shù)據(jù)自適應(yīng)局部度量學(xué)習(xí)的行人再辨識99-123
• 5.1 引言99-100
• 5.2 研究現(xiàn)狀100-101
• 5.3 研究動機101-102
• 5.4 基本理論102-106
• 5.4.1 度量學(xué)習(xí)102-104
• 5.4.2 LMNN和ITML104-106
• 5.5 所提出的算法106-110
• 5.5.1 算法模型106-107
• 5.5.2 模型訓(xùn)練107-110
• 5.5.3 模型推理110
• 5.6 實驗結(jié)果與分析110-119
• 5.6.1 數(shù)據(jù)庫111
• 5.6.2 特征提取111
• 5.6.3 參數(shù)設(shè)置111-113
• 5.6.4 性能評估113-119
• 5.7 小結(jié)119
• 參考文獻119-123
• 第六章 總結(jié)與展望123-125
• 致謝125-126
• 攻讀博士學(xué)位期間的研究成果126

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 袁茵;;數(shù)據(jù)分布服務(wù)推動了注重數(shù)據(jù)的系統(tǒng)發(fā)展[J];電子技術(shù);2006年11期

2 夏軍;龐征斌;張峻;李永進;;一種基于0-1整數(shù)規(guī)劃的全局數(shù)據(jù)分布優(yōu)化方法[J];國防科技大學(xué)學(xué)報;2009年04期

3 鄭勝;郝毫毫;;基于貝努利大數(shù)定律的數(shù)據(jù)分布算法[J];計算機工程;2009年19期

4 丁瑩;幾種數(shù)據(jù)分布設(shè)計方法的比較與進一步探討[J];計算機時代;1994年04期

5 丁瑩;幾種數(shù)據(jù)分布設(shè)計方法的探討[J];微型電腦應(yīng)用;1994年04期

6 武繼剛，，龐淑萍;堆上的數(shù)據(jù)分布與堆選擇算法[J];計算技術(shù)與自動化;1995年04期

7 陳楠;分布式數(shù)據(jù)庫系統(tǒng)數(shù)據(jù)分布策略分析[J];計算機時代;1998年10期

8 錢旭明;;數(shù)據(jù)分布規(guī)劃的數(shù)學(xué)模型[J];寧波大學(xué)學(xué)報(理工版);1992年02期

9 王于同;一種以負載平衡為目標(biāo)的分布式數(shù)據(jù)分布算法[J];杭州電子工業(yè)學(xué)院學(xué)報;1995年02期

10 王秀坤,吳月堂,張盛;一種有效的數(shù)據(jù)分布算法[J];計算機工程與應(yīng)用;2000年12期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 胥永康;岳筱玲;潘澤友;;基于數(shù)據(jù)分布的勞動力市場信息系統(tǒng)[A];第六屆全國計算機應(yīng)用聯(lián)合學(xué)術(shù)會議論文集[C];2002年

2 李宏;;港口企業(yè)信息系統(tǒng)數(shù)據(jù)分布技術(shù)[A];全國飛機與船舶通信導(dǎo)航學(xué)術(shù)研討會論文集（下）[C];2000年

3 陳楠;;分布式數(shù)據(jù)庫系統(tǒng)的數(shù)據(jù)分布策略研究[A];信息科學(xué)與微電子技術(shù):中國科協(xié)第三屆青年學(xué)術(shù)年會論文集[C];1998年

4 王e

本文編號：278443