基于低通滤波模型的行人再识别算法

发布时间：2020-12-08 17:39

　　针对行人再识别的图像中由于遮挡和背景干扰而存在大量无用特征的问题,提出一种基于低通滤波模型的行人再识别方法。首先,将行人图像进行分块;然后,计算各种小块在各图像中的相似个数,其中相似个数较多的小块为高频噪声特征、相似个数较少的小块为有益特征;最后,不同于常见图像处理中的滤除突变特征、留下平滑特征的低通滤波器,所提方法利用通信系统中的低通滤波器实现抑制高频噪声特征、增益有益特征的目标。实验结果表明,所提方法在ETHZ数据集上的识别率比经典的对称性局部特征累加（SDALF）方法提升了近20%;同时,该方法在VIPeR和I-LIDS数据集上也取得了相似的效果。 

【文章来源】：计算机应用. 2020年11期 第3314-3319页 北大核心

【文章页数】：6 页

【部分图文】：

基于低通滤波的行人再识别系统

其中：γ是常数，用来调节衰减增益幅度的大小；f (nos) Pij∈[1，β]为小块Pij的噪声频率，β是行人图像个数；fq为截止频率。f函数是以f (nos) P为自变量的单调递减函数。图3 f′logistic在x≥0时的图像

f′logistic在x≥0时的图像

【参考文献】：
期刊论文
[1]基于多特征子空间与核学习的行人再识别[J]. 齐美彬,檀胜顺,王运侠,刘皓,蒋建国.  自动化学报. 2016(02)
[2]基于二次相似度函数学习的行人再识别[J]. 杜宇宁,艾海舟.  计算机学报. 2016(08)
[3]基于外观统计特征融合的人体目标再识别[J]. 曾明勇,吴泽民,田畅,付毅,揭斐然.  电子与信息学报. 2014(08)
[4]基于统计推断的行人再识别算法[J]. 杜宇宁,艾海舟.  电子与信息学报. 2014(07)
[5]多特征融合的人体目标再识别[J]. 范彩霞,朱虹,蔺广逢,罗磊.  中国图象图形学报. 2013(06)



本文编号：2905429