时空外观联合表征结合特征匹配的行人再识别算法研究

发布时间：2023-02-10 21:36

　　行人再识别(Person Re-identification,Person Re-ID)是智能视频监控系统的关键环节,它利用行人视觉和运动信息,将单相机视频监控扩展为多相机协同视频分析,从而实现多相机非重叠区域下的行人目标匹配。然而多相机网络提供丰富监控信息的同时,不同相机间还存在视图差异,如何在繁复视频数据中提取有效的行人特征,并克服视图差异进行判别性相似度匹配是行人再识别的主要研究方向。该文则从视频行人目标特征提取和特征匹配两个角度出发,对该问题展开进一步探索。第一,针对表观特征不能提供行人运动信息从而限制特征表现力的问题,构建时空表观特征结和跨视图二次判别分析的行人再识别模型。该算法首先设计适用于行人的时空梯度方向直方图HOG3D特征,结合颜色直方图和纹理表观特征,构成时空表观特征描述符;然后采用在简单且直接的经典度量学习(Keep It Simple and Straight Metric Learning,KISSME)算法基础上改进的跨视图二次判别分析算法实现度量学习,最后进行特征相似度度量和排序以完成再识别过程。第二,针对由于相机参数不同导致的特征视图差异较大的问题,研究...

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题背景及意义
    1.2 国内外研究现状
    1.3 本文研究工作
    1.4 本文组织结构
第2章 行人再识别相关科学问题
    2.1 行人再识别定义及难点
    2.2 行人再识别特征描述
        2.2.1 颜色特征
        2.2.2 纹理特征
        2.2.3 CNN特征
    2.3 行人再识别特征匹配
    2.4 数据集及评价标准
        2.4.1 数据集
        2.4.2 评价标准
    2.5 本章小结
第3章 时空表观特征结合跨视图二次判别分析的行人再识别算法
    3.1 引言
    3.2 系统组成框图
    3.3 特征提取
        3.3.1 表观特征提取
        3.3.2 HOG3D描述符
        3.3.3 时空特征提取
    3.4 跨视图二次判别分析模型
        3.4.1 模型构建
        3.4.2 计算过程
    3.5 实验仿真与分析
        3.5.1 实验设置
        3.5.2 PRID2011 数据集
        3.5.3 iLIDS-VID数据集
        3.5.4 实验分析总结
    3.6 本章小结
第4章 时空表观特征结合相机相关特征增强的行人再识别算法
    4.1 引言
    4.2 系统组成框图
    4.3 特征提取
    4.4 特征增强
        4.4.1 特征增强的作用
        4.4.2 零填充
        4.4.3 特征增强后的匹配过程
    4.5 相机相关特征增强
        4.5.1 相机相关度?计算
        4.5.2 自适应特征增强
        4.5.3 相机视图差异正则化
        4.5.4 边界Fisher分析
        4.5.5 FA-MFA算法流程
    4.6 实验仿真及分析
        4.6.1 实验设置
        4.6.2 PRID2011 数据集
        4.6.3 iLIDS-VID数据集
        4.6.4 实验分析总结
    4.7 本章小结
第5章 CNN特征结合相机相关特征增强的行人再识别算法
    5.1 引言
    5.2 系统组成框图
    5.3 CNN特征
        5.3.1 AlexNet网络简介
        5.3.2 结构化特征描述符
        5.3.3 视图不变特征描述符
        5.3.4 CNN特征提取过程
    5.4 相机相关特征增强
    5.5 实验仿真与分析
        5.5.1 实验设置
        5.5.2 序数top-k中 k的选择
        5.5.3 VIPeR数据集
        5.5.4 iLIDS-VID数据集
        5.5.5 实验分析总结
    5.6 本章小结
结论
参考文献
攻读硕士学位期间承担的科研任务与主要成果
致谢



本文编号：3739957