基于视觉的公交乘客的检测及再识别

发布时间：2020-10-11 05:47

　　 行人的检测和再识别是计算机视觉的重要研究内容,主要是从视频或者图像序列中区分并定位出“感兴趣”区域,并对“感兴趣”区域的行人再次识别判断的过程。在不重叠的摄像机视角下,基于计算机视觉和模式识别的行人检测及再识别受到人们越来越多的关注,主要是由于它有着广泛的应用领域,尤其是在智能视频监控、交通、刑侦等重要领域。尽管行人检测和再识别近年来已经取得了很大的进展,但是在实际应用场景中仍存在一些问题。例如公交车、地铁或者商场等,这些场合下由于受到光照、遮挡、视角、背景混乱以及衣服颜色近似等因素的影响,行人的检测和再识别仍然是计算机视觉领域中极具挑战性的课题。基于图像视频处理的行人检测和再识别算法,如何克服光照剧烈变化以及遮挡等外在因素的影响,高效地检测出公交乘客并且正确地识别出乘客,是本文的主要研究内容,具体工作如下:(1)针对公交乘客的检测,提出一种基于人头肩的增强聚合滤波通道特征乘客检测算法。公交车客流量比较大,且易受光照、遮挡等外在因素影响。本文通过多尺度Retinex预处理,消除光照以及噪声等对图片处理造成的影响;训练学习乘客头肩的模型,避免遮挡而误检;利用聚合滤波通道特征的检测算法,在多个尺度上提取图像的通道特征,对底层特征采用滤波器组进行滤波,结合boosted决策树训练分类,在公共数据集和公交车乘客数据集上的实验,证明了提出算法的有效性;(2)针对公交乘客的再识别,提出一种基于改进的Fisher线性向量编码描述符和交叉视角二次判别分析度量学习组合的再识别算法。对于检测出来的乘客,基于图像像素点的简单7维特征去描述局部特征,利用高斯混合模型对特征数据建模,Fisher线性向量聚合组成通道特征描述符,在HSV颜色空间上求取最终的特征表示描述符;然后将样本的高维特征,通过低维特征子空间和度量矩阵进行降维学习,实现类内样本的特征距离小于类间样本的特征距离。针对公交乘客头肩数据库,基于改进的Fisher线性向量编码描述符和交叉视角二次判别分析度量算法的再识别率达到了87.33%。
【学位单位】：天津理工大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：U491.17;TP391.41
【部分图文】：

第二章 行人检测和再识别算法概述行人的检测和再识别，主要是在视频序列或者图像中检测区分出行人，标注其具位置，并且从已检测的行人中再次识别某个特定行人。整体的示例图如图 2-1 所示。

图 2-2 整体框架图在实际应用场景中，由于采集的视频图像受光照、噪声、视角等多方面因素的影大，因此在行人检测和再识别过程中，首先需要对图像预处理，其次由于实验条件限制，还需要考虑算法性能和时间、空间等的平衡。本章着重介绍了行人检测和再算法中的特征选择、分类以及距离度量的相关技术。

- 8 -图 2-3 图像的多通道特征滤波通道也是提取目标特征的重要方法，主要是利用图像的线性变换。图2-3(c)和(d)就是图像 I 的 Gabor 高斯滤波变换和 DoG 差分高斯滤波变换。其中每个通道包含了各自方向上的边缘信息。高斯滤波器主要采用正态分布的线性变换，建立相应模块对图像像素进行处理。高斯差分滤波器则是采用高斯函数卷积后的差值，增强图像像素的对比变化，进一步提高了特征表示的鲁棒性。梯度幅值和梯度主要采用非线性变换描述图像的边缘信息，梯度幅值主要针对边缘强度，计算各个方向的梯度分量并求取向量的模。描述边缘信息的算子有多种，比如sobel、roberts 以及 canny[42]等。梯度包含梯度方向和梯度幅值，因此梯度还可以表示图像的边缘信息。图 2-3 的(e)、(f)分别对应图像 I 的梯度幅值以及边缘算子。积分直方图和梯度直方图也是常用的特征提取方法。积分直方图特征就是对二值通道图像分别求积分图像，计算区域内各量化等级的出现次数，组成直方图。积分图存放的不再是像素的灰度值
【相似文献】

相关期刊论文 前10条

1 ;公交乘客抬开霸道拦路轿车[J];南风窗;2014年19期

2 范黎林;孙剑斐;;基于大数据的公交乘客线路选择估计模型仿真[J];计算机仿真;2016年05期

3 林会明;;公交乘客门的未来之星——塞拉门[J];人民公交;2016年11期

4 吴鼎新;段雪彬;;淮安市公交乘客上下车时间特性分析[J];物流工程与管理;2017年12期

5 周宁;刘小明;唐少虎;郑国荣;;公交乘客优先信号模糊控制仿真研究[J];计算机仿真;2016年09期

6 李志;田我顺;张成;;公交乘客出行路径优化模型[J];道路交通与安全;2008年03期

7 ;常州公交乘客满意度六连升,达90.1%[J];城市公共交通;2014年03期

8 冯建栋;王昊;;郑州市公交乘客特性及出行意愿调查分析[J];交通科技与经济;2015年04期

9 苟蕾;汪文俊;唐晓龙;石连生;;海口市公交乘客满意度统计分析[J];海南师范大学学报(自然科学版);2014年02期

10 刘永涛;赵俊玮;华珺;李旋;袁天宇;;公交乘客失误行为下情绪状态的影响因素研究[J];安全与环境工程;2019年04期

相关博士学位论文 前1条

1 金宁;公共交通乘客满意度测评理论及实证研究[D];吉林大学;2009年

相关硕士学位论文 前10条

1 何敬霞;基于视觉的公交乘客的检测及再识别[D];天津理工大学;2019年

2 罗丽群;针对服务质量的公交乘客满意度群体差异及改善[D];武汉理工大学;2017年

3 陈曦;针对图像中的公交乘客检测与识别算法研究[D];湖南大学;2018年

4 李晓松;面向公交乘客检测的卷积网络模型优化[D];哈尔滨工程大学;2018年

5 郭莹艳;基于QFD与结构方程模型的公交乘客满意度研究[D];天津商业大学;2018年

6 付惠琳;基于结构方程的公交乘客满意度评价[D];大连交通大学;2017年

7 李宜江;公交乘客乘车满意度实证研究[D];石家庄铁道大学;2013年

8 王凌;城市公交乘客信息系统研究[D];西南交通大学;2007年

9 董琳琳;基于结构方程模型的公交乘客满意度研究[D];重庆大学;2012年

10 吕林剑;基于公交乘客流构成的公交调度优化研究[D];西南交通大学;2012年

本文编号：2836161