基于外貌特征的目标再识别

发布时间：2017-08-26 15:40

  本文关键词：基于外貌特征的目标再识别

  更多相关文章： 人体目标再识别 颜色特征 超像素特征 EMD距离 特征融合

【摘要】：随着网络技术的发展和图像采集技术的提高,视频监控被大量普及,应用于多个领域。视频监控数量的日益增加,给视频分析带来了严重的挑战,对视频分析的智能化要求越来越高。目标再识别是智能视频监控的重要研究方向,研究的是在非重叠视域下,一个感兴趣的目标是否在其他摄像场景下出现,这在目标跟踪、刑事侦查中的嫌疑人查找等领域有着重要作用。视频监控的环境复杂性,给再识别带来了很大的挑战。本文基于目标的外貌特征,从特征设计的角度出发,提高目标特征描述的鲁棒性。针对不同摄像头间的视角变化和人的姿态变化,考虑基于块的匹配,提出基于超像素分割的再识别方法,降低这两种变化的影响。使用超像素分割方法将人体目标图像分成多个部分,基于超像素结合单词包框架表征局部特征。具体做法是:从训练集中提取密集SIFT特征,聚类形成单词包模型中的词典,对于目标图片,先将其进行超像素分割,把提取的密集SIFT特征映射到词典,得到对应的词汇索引,然后统计每个超像素中的词频分布,得到超像素特征描述。并在超像素特征描述的基础上,将每个超像素中像素的平均颜色信息加入,作为改进超像素特征,增强超像素描述特征的稳定性。最后使用EMD距离计算目标间超像素特征的相似性。超像素特征作为一种局部纹理特征,忽略了目标的整体特性,提出了颜色特征和超像素特征融合的人体目标再识别方法,使用对光照变化不敏感的加权色调直方图作为全局特征,并分别使用巴氏距离和EMD距离共同度量目标之间的相似性。融合特征在VIPeR数据集和PRID450s数据集上实验,验证了本文方法的有效性。
【关键词】：人体目标再识别 颜色特征 超像素特征 EMD距离 特征融合
【学位授予单位】：中国民航大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要6-7
• Abstract7-10
• 第一章 绪论10-17
• 1.1 研究背景及意义10-12
• 1.2 国内外研究现状12-15
• 1.2.1 基于特征表示的方法12-14
• 1.2.2 基于距离度量学习的方法14-15
• 1.3 本文结构安排15-17
• 第二章 目标再识别相关技术介绍17-28
• 2.1 人体目标再识别框架17-18
• 2.2 行人检测18-19
• 2.2.1 基于模板匹配的方法18
• 2.2.2 基于特征分类的方法18-19
• 2.3 特征表示19-24
• 2.3.1 颜色特征19-22
• 2.3.2 纹理特征22-24
• 2.4 距离度量24-25
• 2.4.1 直接方法距离度量24-25
• 2.4.2 基于学习方法的距离度量25
• 2.5 评估准则25-27
• 2.6 本章小结27-28
• 第三章 基于超像素特征的人体目标再识别28-46
• 3.1 前景提取28-30
• 3.2 超像素特征提取30-38
• 3.2.1 超像素分割30-33
• 3.2.2 密集SIFT特征33-36
• 3.2.3 单词包算法描述36-37
• 3.2.4 超像素特征描述37-38
• 3.3 改进超像素特征描述38-39
• 3.4 相似性度量39-41
• 3.5 实验结果与分析41-45
• 3.5.1 实验数据集简介41-43
• 3.5.2 实验设置与实验结果43-45
• 3.6 本章小结45-46
• 第四章 颜色特征和超像素特征融合的人体目标再识别46-54
• 4.1 加权色调直方图特征46-48
• 4.2 特征融合及相似性度量48
• 4.3 实验结果及分析48-53
• 4.3.1 VIPeR数据集上实验结果48-50
• 4.3.2 PRID 450s数据集上实验结果50-53
• 4.4 本章小结53-54
• 第五章 总结与展望54-56
• 5.1 本文工作总结54
• 5.2 未来工作展望54-56
• 致谢56-57
• 参考文献57-62
• 攻读硕士期间发表论文62

，

本文编号：742183