无重叠视域行人再识别的研究与实现

发布时间：2021-08-08 21:01

　　近些年,随着监控系统的规模逐渐扩大,监控数据急剧增长,仅依赖人工查看和处理不仅耗时较长而且效率十分低下,很难保证全方位的监控,因此能够协同工作的大型监控系统应运而生。但是在实际系统中,不同摄像机拍摄的行人图像存在遮挡以及光照、视角、行人姿势改变等问题,导致相同的目标行人在不同的监控视频中外观差异很大。为了应对这些问题,本文提出了一种基于区域分割与距离融合的行人再识别算法并与深度特性相结合运用到实际的系统中,主要研究工作及创新点如下:1.首先对整体行人图像进行水平方向的区域分割,对分割后的每个水平区域分别提取颜色特征和纹理特征。其次,为了尽量消除遮挡和姿势、视角变化的影响,提出无效区域和有效区域的概念,将有效区域保留,并去除无效区域,从而减小无效区域对行人再识别的影响。2.大多基于视频的行人再识别算法是直接对提取到的各种特征进行级联,没有考虑不同特征之间的差异性,导致学习到的测度矩阵不能很好地表征不同特征的特性。因此,本文提出距离融合的方法,对行人图像的局部特征、时空特征和全局特征单独进行测度学习,得到独立的测度矩阵,最后将通过测度矩阵获得的距离矩阵融合,从而得到最终匹配排名。3.本文设... 

【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

MGN的网络结构

觉领域首选的目标检测算法之一。4.4.2 在线预警火车站等公共场所人流量较大，作案分子等嫌疑人也经常隐藏在人群之中，仅靠人工观察和比对来寻找嫌疑人的方式局限性较大，因此公安部门迫切需要引入智能监控系统来快速提升安防效率。本文模拟公安的安防系统搭建了一个实际的监控系统实现对嫌疑人的在线预警功能。在线预警实质上是行人再识别的过程，本文是利用 4.2 节提出的特征设计方法提取行人图像的传统特征和深度特征，然后用距离融合的方式完成行人图像对的匹配。在匹配分数达到一定阈值之后系统发出警报。4.5 系统功能展示与算法性能验证本节首先对搭建的实际系统中的在线预警功能进行展示，接着对 4.2 节算法在实际系统中进行了实验验证。4.5.1 在线预警模块展示

图 4.7 系统的在线预警结果显示界面Fig 4.7 The result of system online warning图 4.8 通过行人检测结果上传布控任务

【参考文献】：
期刊论文
[1]基于深度学习的行人重识别研究进展[J]. 罗浩,姜伟,范星,张思朋.  自动化学报. 2019(11)
[2]多特征融合与交替方向乘子法的行人再识别[J]. 齐美彬,王慈淳,蒋建国,李佶.  中国图象图形学报. 2018(06)
[3]融合直接度量和间接度量的行人再识别[J]. 蒋桧慧,张荣,李小宝,郭立君.  模式识别与人工智能. 2018(02)
[4]智慧安防与公安视频监控应用发展探讨[J]. 赵问道,王驰.  中国安防. 2016(11)
[5]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)
[6]基于HSV颜色空间的人体轮廓提取方法研究[J]. 杨敏,刘国联,戴宏钦.  北京服装学院学报(自然科学版). 2015(02)
[7]C/S结构与B/S结构的分析与比较[J]. 黄文博,燕杨.  长春师范学院学报. 2006(08)

硕士论文
[1]基于深度特征与传统特征融合的行人再识别研究[D]. 储慧芳.合肥工业大学 2018
[2]基于多摄像机关联的行人检索系统[D]. 疏坤.合肥工业大学 2016



本文编号：3330670