智能视频监控系统中的行人重识别方法研究

发布时间：2017-10-02 02:20

  本文关键词：智能视频监控系统中的行人重识别方法研究

  更多相关文章： 行人重识别 视觉背景提取(Vibe) HSV颜色空间 特征点匹配 均值漂移

【摘要】：随着视频采集技术和大规模数据存储技术的快速发展,大型摄像机网络越来越多地被部署在公共场所,传统的人工监控技术己难以应对由此产生的海量视频,智能视频监控技术成为解决这一问题的主要途径。作为智能视频监控领域新兴的课题,行人重识别(Person Re-identification)引起了研究人员的广泛关注。行人重识别是指给定一幅行人图像,在已有的可能来源于非重叠摄像机视域的图像或视频序列中,识别出目标行人。行人重识别的图像一般来源于不同的摄像头,因此面临视角变化、姿态变化、尺度变化和光照变化等带来的挑战。如何准确高效的进行行人重识别,是该课题当前的研究方向。本文针对智能视频监控系统中的行人重识别问题进行了研究,首先采用背景差分技术提取监控视频中运动的行人,然后采用主颜色比对和特征点匹配的方法对行人进行重识别,当检测到目标行人后,采用跟踪的方法进行识别。最后,设计并实现了一款行人重识别系统。在行人检测方面,设计了一种Lab颜色空间下的Vibe行人检测方法。首先采用改进的Vibe算法建立视频场景的背景模型,将当前帧与背景模型做差分,得到运动前景；然后根据人体工程学理论从运动前景中提取人体。其中,针对Vibe算法对光照变化和物体阴影敏感、提取的运动区域不完整的问题,采用带权重的CIE 1976 Lab色差公式度量像素点与样本点之间的距离,并利用像素间的空间一致性对检测结果进行修正,达到了较好的检测效果。在行人重识别方面,提出了一种基于HSV颜色空间和特征点匹配的行人重识别算法。首先根据改进的HSV空间颜色量化策略,比对两幅行人图像的躯干和腿部主颜色是否一致,以快速确定备选目标；然后对备选目标,利用环形Gabor滤波器组生成多尺度图像,再利用FAST与Shi-Tomasi组合算法提取特征点,对检测到的特征点采用改进的BRIEF算法进行描述,之后利用暴力算法和随机抽样一致性算法进行特征点匹配与提纯。实验结果表明,该算法具有尺度不变性、旋转不变性,而且对视角变化和图像噪声有极强的鲁棒性,达到了较高的识别准确率和较快的执行速度。在行人跟踪识别方面,研究了一种增强型均值漂移跟踪算法。采用变化的核函数带宽进行跟踪,在目标未被遮挡的情况下更新目标模型,并且引入卡尔曼滤波器预测目标位置,有效的适应了目标的尺度变化,具有良好的抗遮挡能力,并且达到了图像的实时处理要求。最后,利用Microsoft Visual Studio 2010结合OpenCV开源库设计了一款具备语义识别和示例图像识别功能的基于MFC对话框的行人重识别系统。系统包含人机交互、行人检测、行人特征提取、行人识别和识别结果展示五个功能模块,并运用了面向对象的程序设计和MFC控件重绘关键技术,可以方便用户快速的从监控视频中获取感兴趣的行人目标。
【关键词】：行人重识别 视觉背景提取(Vibe) HSV颜色空间 特征点匹配 均值漂移
【学位授予单位】：山东大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;TN948.6
【目录】：

• 摘要10-12
• ABSTRACT12-14
• 第一章 绪论14-22
• 1.1 课题研究的背景及意义14-15
• 1.2 国内外研究现状15-18
• 1.3 当前存在的问题18-19
• 1.4 本文的主要研究工作19-21
• 1.5 论文的章节安排21-22
• 第二章 基于Lab颜色空间的Vibe行人检测算法22-34
• 2.1 引言22-23
• 2.2 Lab颜色空间23-24
• 2.3 Lab颜色空间下的Vibe行人检测24-29
• 2.3.1 背景模型与初始化24-25
• 2.3.2 像素距离选取25-27
• 2.3.3 像素分类修正27
• 2.3.4 背景模型更新27-28
• 2.3.5 行人提取28-29
• 2.4 实验结果及分析29-32
• 2.5 本章小结32-34
• 第三章 基于HSV颜色空间和特征点匹配的行人重识别算法34-56
• 3.1 引言34-35
• 3.2 基于HSV颜色空间的行人预识别35-38
• 3.3 基于特征点匹配的行人重识别38-50
• 3.3.1 多尺度环形Gabor滤波器组38-42
• 3.3.2 基于FAST与Shi-Tomasi算法的特征点检测42-45
• 3.3.3 BRIEF特征描述子45-48
• 3.3.4 特征点匹配48-50
• 3.4 实验结果及分析50-54
• 3.4.1 GFB特征点匹配实验51-53
• 3.4.2 HGFB行人重识别实验53-54
• 3.5 本章小结54-56
• 第四章 基于均值漂移的行人跟踪识别算法56-70
• 4.1 引言56-57
• 4.2 均值漂移算法57-59
• 4.3 均值漂移跟踪算法59-62
• 4.3.1 目标模型的建立59-60
• 4.3.2 候选区域的描述60-61
• 4.3.3 相似性度量61
• 4.3.4 目标定位61-62
• 4.3.5 跟踪算法实现62
• 4.4 增强型均值漂移跟踪算法62-65
• 4.4.1 目标模型更新62-63
• 4.4.2 目标尺度更新63
• 4.4.3 卡尔曼预测63-65
• 4.4.4 跟踪算法实现65
• 4.5 实验结果及分析65-68
• 4.6 本章小结68-70
• 第五章 行人重识别系统设计与实现70-82
• 5.1 系统架构设计70-72
• 5.2 系统开发实现72-80
• 5.2.1 系统开发环境72-73
• 5.2.2 系统开发关键技术73-75
• 5.2.3 系统功能实现75-80
• 5.3 本章小结80-82
• 第六章 总结与展望82-84
• 6.1 本文工作总结82-83
• 6.2 未来研究展望83-84
• 参考文献84-90
• 致谢90-92
• 攻读学位期间发表的学术论文92-93
• 学位论文评阅及答辩情况表93

【相似文献】

中国期刊全文数据库 前10条

1 李玉潮;杜丙新;黄培之;;一种改进的快速特征点匹配方法[J];测绘科学;2010年05期

2 罗亚威;魏本昌;管涛;严卡;张岩;;面向移动设备的快速特征点匹配方法研究[J];计算机应用研究;2013年02期

3 黄为民，，荣钢，边肇祺;用于离线英文签字识别的特征点匹配[J];清华大学学报(自然科学版);1995年05期

4 刘家锋,唐降龙,赵泉;一个基于特征点匹配的联机指纹鉴别系统[J];哈尔滨工业大学学报;2002年01期

5 石祥滨;张劲松;刘进立;陈润锋;;一种适合于大尺寸航拍图像的特征点匹配方法[J];沈阳航空航天大学学报;2013年04期

6 周骥,石教英,赵友兵;图像特征点匹配的强壮算法[J];计算机辅助设计与图形学学报;2002年08期

7 吴飞;蔡胜渊;郭同强;庄越挺;;三角形约束下的图像特征点匹配方法[J];计算机辅助设计与图形学学报;2010年03期

8 熊平;万励之;;主动脉磁共振影像特征点匹配优化仿真分析[J];计算机仿真;2013年11期

9 汪亚明;基于神经网络的图象序列特征点匹配[J];中国图象图形学报;2002年04期

10 李志;王琰;杨大为;;一种基于匹配强度的特征点匹配消除歧义算法[J];沈阳理工大学学报;2008年05期

中国重要会议论文全文数据库 前8条

1 修春波;李艳晴;李红利;刘玉霞;;基于混沌优化的特征点匹配[A];2006中国控制与决策学术年会论文集[C];2006年

2 董静;;一种基于特征点匹配的场景锁定算法[A];中国光学学会2010年光学大会论文集[C];2010年

3 王帅;刘家锋;黄剑华;唐降龙;;一种改进的快速特征点匹配方法[A];黑龙江省计算机学会2007年学术交流年会论文集[C];2007年

4 赵炫;王生进;丁晓青;;一种应用于特征点匹配的改进图模型算法[A];第十二届全国图象图形学学术会议论文集[C];2005年

5 冯晓萌;吴玲达;邓莉琼;陈宇宁;;简单动画形象的SIFT特征点匹配研究[A];第六届和谐人机环境联合学术会议（HHME2010)、第19届全国多媒体学术会议（NCMT2010）、第6届全国人机交互学术会议（CHCI2010）、第5届全国普适计算学术会议（PCC2010）论文集[C];2010年

6 武林;彭复员;赵坤;;基于图像特征点匹配的车辆运动检测[A];第三届全国信息获取与处理学术会议论文集[C];2005年

7 王欢;徐瑞;朱圣英;;基于搜索向量的行星表面特征快速鲁棒匹配算法[A];中国宇航学会深空探测技术专业委员会第九届学术年会论文集（中册）[C];2012年

8 汪巍;蔡志祥;;基于asift算法的人脸识别[A];2011下一代自动测试系统学术研讨会论文集[C];2011年

中国博士学位论文全文数据库 前1条

1 周轶昊;基于双目视觉的物体表面三维复杂运动重建及其应用[D];复旦大学;2012年

中国硕士学位论文全文数据库 前10条

1 彭志勇;智能视频监控系统中的行人重识别方法研究[D];山东大学;2016年

2 姜杰;基于特征点匹配的多面体可视外壳精度优化方法研究[D];中国石油大学;2010年

3 汪峥嵘;基于车牌识别及车辆特征点匹配的套牌车识别[D];苏州大学;2013年

4 王仁骁;基于特征点匹配的曲面重建算法研究与实现[D];解放军信息工程大学;2012年

5 袁颖娜;基于BP神经网络的特征点匹配方法研究[D];西安科技大学;2013年

6 王志們;嵌入式指纹鉴别图像预处理与特征点匹配研究[D];哈尔滨工业大学;2006年

7 李明;基于SIFT特征点匹配的目标跟踪算法研究[D];合肥工业大学;2011年

8 韩松卫;运用特征点匹配的图像快速拼接算法研究[D];河北工业大学;2011年

9 刘达;快速特征点匹配技术的研究和实现[D];燕山大学;2006年

10 肖楠;基于局部特征的交通标志识别[D];大连交通大学;2012年

本文编号：957006