跨摄像机的行人再识别检索系统

发布时间：2020-10-09 01:52

　　 随着“互联网+”的提出,人们的生活质量在不断的提高,“智慧城市”的建设也逐渐普及。构建一个更加和谐、更加安全的社会环境成为现阶段人们对安防建设的要求。近几年来,深度学习与人工智能的高速发展为各领域提供了新的发展方向,视频监控系统也随之朝着更加智能化的发展方向。其中跨摄像机的行人再识别问题近年来吸引了大批学者的研究。行人再识别技术作为智能监控系统中的核心技术,在跨摄像机的目标跟踪和行人检索等方面都有着其至关重要的应用。但是由于在监控视频系统中,摄像机的成像质量、光照强度、监控视角以及行人姿态不同等原因,导致同一个行人目标在不同监控视频中的外观特征出现较大的差异,对行人再识别问题的研究造成重大干扰,使行人再识别面临众多挑战。基于以上这些问题,本文分别从设计特征和图像分割方面,设计了一种特征融合和椭圆分割的ReID算法,最后,为应用于实际系统,本文采用基于特征的词袋模型加快检索速度。论文的主要研究工作及创新点如下:1.基于特征部分,本文首先利用全局与局部特征相结合的组合框架。这种结构即可以保证特征信息的完整性也可以突出局部信息,接着采用LOMO和GOG这种包含几种基础特征的复合特征作为全局特征,并结合局部的HSV和LAB颜色特征,可以充分发挥LOMO与GOG特征的互补特性,从而形成了一个更加具有鲁棒性的特征表达。2.图像分割部分,采用椭圆分割与水平均匀分割。基于行人图像的性质,现阶段的行人再识别数据集图像的边框,其四个直角区域大多都为无用的干扰信息,利用椭圆分割可去除部分无关的背景干扰,并且可以减少计算复杂度。为突出局部细节信息,再加上水平均匀分割,增加图像部分细节,增加特征的有效性。3.结合以上的工作及算法特点,设计出一个基于B/S框架的跨摄像机的行人再识别检索系统,并在此系统中增加基于词袋模型的快速检索算法增加系统检索效率,以此实现对行人目标的快速检索。
【学位单位】：合肥工业大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TN948.41;TP391.41
【部分图文】：

合肥工业大学硕士研究生学位论文次利用椭圆分割来减少背景干扰以及减低计算复杂度，最后在特征层面利用全局与局部特征相结合的模式，并且，增加了水平均匀分割，突出局部特征，增加特征的鲁棒性，再利用 ADMM[3]优化损失函数得到最优解。其次，本文采用了基于词袋模型的快速检索算法并在其基础上进行改进，最后将 ReID 在 B/S 架构的实际监控系统中实现。

图 2.1 基于特征表达的行人再识别框架Fig 2.1 Framework of person re-identification based on feature expression目前，经常使用的手工特征主要有颜色特征、纹理特征和梯度特征等等，这些都是简单的底层特征，如 HSV、RGB、LAB、YcbCr 等颜色特征，LBP 和 SILTP等纹理特征，HOG 等梯度特征。这种底层特征提取算法简单，特征较为单一包含图像的信息种类有限，所以对环境以及光照和视角变化的表达能力有限。

图 2.1 基于特征表达的行人再识别框架Fig 2.1 Framework of person re-identification based on feature expression目前，经常使用的手工特征主要有颜色特征、纹理特征和梯度特征等等，这些都是简单的底层特征，如 HSV、RGB、LAB、YcbCr 等颜色特征，LBP 和 SILTP等纹理特征，HOG 等梯度特征。这种底层特征提取算法简单，特征较为单一包含图像的信息种类有限，所以对环境以及光照和视角变化的表达能力有限。

【参考文献】

相关期刊论文 前2条

1 张挽虹;;人民币市场利率预测分析[J];现代商贸工业;2009年12期

2 尹荣,郑兆瑞,郭海儒;一种基于图元的多级图像检索系统[J];太原理工大学学报;2004年03期

相关硕士学位论文 前6条

1 王慈淳;非重叠视域多摄像机行人再识别研究与实现[D];合肥工业大学;2018年

2 刘一敏;基于深度学习的视频行人再识别研究[D];合肥工业大学;2018年

3 储慧芳;基于深度特征与传统特征融合的行人再识别研究[D];合肥工业大学;2018年

4 贺智超;基于深度学习和迁移学习的多任务图像分类[D];华南理工大学;2017年

5 胡龙飞;无重叠视域多摄像机行人再识别的研究与实现[D];合肥工业大学;2017年

6 谭雄雄;分布式振动传感定位视频监控技术[D];电子科技大学;2016年

本文编号：2833059