无交叠多摄像机网络中的人员再辨识
本文关键词：无交叠多摄像机网络中的人员再辨识，由笔耕文化传播整理发布。
【摘要】：多摄像机协同行人监控是现代视频监控系统的重要发展方向,但摄像机之间的“空间盲区域”破坏了来自不同摄像机的多段行人运动轨迹的连续性。行人再辨识技术试图通过视觉比对的方式将不同摄像机所拍摄的属于同一个行人的图像或者视频片段关联起来,以解决“空间盲区域”问题。行人再辨识技术是实现多摄像机协同行人监控的关键步骤。基于以上背景,本学位论文主要研究了无交叠摄像机网络中的行人再辨识问题。论文主要包括针对特定摄像机对之间的颜色特征重构、综合特征的跨模态匹配以及针对整个摄像机网络的数据自适应局部度量学习方法。这些方法有效克服不同应用场景下光照条件、摄像机参数、摄像机与行人之间的视角、行人姿势以及遮挡等因素对再辨识系统的不利影响。具体来说,本文的主要研究内容有：(1)针对特定摄像机对之间光照条件和摄像机参数的差异所导致的图像颜色信息偏移和失真,本文提出了基于低秩矩阵填充的行人再辨识方法。通过分析光照条件和摄像机参数对颜色信息的作用机理,我们得到特定摄像机对颜色信息之间存在线性变化关系的结论。利用这种线性关系,我们使用跨摄像机颜色特征构造具有低秩属性的特征矩阵,并利用低秩矩阵填充来实现查询图像颜色特征在数据库摄像机颜色空间中的重构。由于重构特征与数据库特征具有相同的光照条件和摄像机参数条件,所以当我们使用重构特征代替原始查询特征进行最近邻搜索时,可以有效消除颜色偏移和失真对图像匹配的不利影响。此外,我们在矩阵填充模型中添加噪声项,以消除随时间变化的光照条件对颜色信息的细微影响。在VIPeR和CUHK02-P1数据库上的实验结果表明本方法可以有效克服图像颜色的偏移和失真问题,提高系统在行人再辨识问题上的性能。(2)在特定的一对摄像机之间,行人综合特征受到光照条件摄像机参数、摄像机与行人之间的视角、行人姿势以及外部遮挡的综合影响,其数据分布具有跨模态和差异多样性的特点。针对这种数据分布情况,本文提出了基于Ada Boost跨模态投影的行人再辨识算法。我们使用AdaBoost模型学习跨模态投影集合,每一次迭代学习一个跨模态投影模型,用于处理一种数据分布差异。不同模型之间各司其职且功能互补。每个投影模型由一对投影函数组成,它们分别负责将处于不同模态的数据投影到公共数据模态中并完成相似度计算。因此跨模态投影集合能够有效处理跨模态和数据分布差异多样性的问题。我们分别构建基于哈希投影函数和线性投影函数的跨模态投影集合并进行分类器级别的融合。在实验部分,我们使用CUHK02-P2数据库进行模型参数配置的交叉验证,然后在VIPeR和CUHK02-P1数据库上进行算法性能评估。实验结果证明了我们提出方法的有效性。(3)针对整个摄像机网络而言,每一张行人图像的拍摄环境都各不相同,导致其对应的特征具有独特的数据分布。针对这种多样性的数据分布,我们提出了基于数据自适应局部度量学习的行人再辨识算法。我们为每一个图像特征学习一个独特的局部投影矩阵。所有的特征经过局部投影之后处于相同的特征空间中,消除了数据分布的差异,从而保证了最近邻分类效果。此外,投影矩阵的适应性调整还可以保证模型对其他数据分布下的样本也具有泛化能力,提高了模型的实用性。在计算局部投影矩阵的过程中,我们使用基于LCC的近似学习方法,根据当前特征样本的局部编码,我们使用若干“基本投影矩阵”的线性加权来近似表示当前样本的局部投影矩阵。实验结果表明：与参考对比算法以及现有主流的行人再辨识算法相比,本算法在克服数据分布多样性和泛化能力上都有较好的表现。
【关键词】：行人再辨识 多摄像机行人跟踪 矩阵填充 跨模态投影 度量学习
【学位授予单位】：北京邮电大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TP391.41;TN948.6
【目录】：
- 摘要4-6
- ABSTRACT6-9
- 缩略语表9-13
- 第一章 绪论13-31
- 1.1 研究背景和意义13-18
- 1.2 发展历史和现状18-19
- 1.3 系统构成19-22
- 1.4 面临的困难和技术难点22-25
- 1.4.1 外观特征表示23-24
- 1.4.2 相似性衡量模型24-25
- 1.5 主要研究内容及结构安排25-27
- 1.5.1 主要研究内容25-26
- 1.5.2 结构安排26-27
- 参考文献27-31
- 第二章 行人再辨识研究现状31-55
- 2.1 引言31
- 2.2 应用场景分类31-32
- 2.3 外观特征设计32-39
- 2.3.1 身体分块模型32-34
- 2.3.2 外观描述特征34-39
- 2.4 特征匹配算法39-42
- 2.4.1 跨摄像机转移建模40
- 2.4.2 度量学习40-42
- 2.4.3 跨数据库迁移学习42
- 2.5 算法评价42-46
- 2.5.1 常用数据库42-46
- 2.5.2 算法评价标准46
- 2.6 本章小结46-47
- 参考文献47-55
- 第三章 基于低秩矩阵填充的行人再辨识55-75
- 3.1 引言55-56
- 3.2 研究现状56-57
- 3.3 研究动机57-58
- 3.4 颜色模型58-60
- 3.5 所提出的算法60-66
- 3.5.1 矩阵填充60-61
- 3.5.2 算法描述61-65
- 3.5.3 优化过程65-66
- 3.6 实验结果与分析66-70
- 3.6.1 数据库66
- 3.6.2 特征提取66-67
- 3.6.4 参数设定67
- 3.6.5 性能评估67-70
- 3.7 小结70-71
- 参考文献71-75
- 第四章 基于AdaBoost的跨模态投影的行人再辨识75-99
- 4.1 引言75-76
- 4.2 研究现状76
- 4.3 研究动机76-78
- 4.4 相关知识78-83
- 4.4.1 哈希投影78-81
- 4.4.2 典型关联分析81-82
- 4.4.3 AdaBoost模型82-83
- 4.5 所提出的算法83-88
- 4.5.1 哈希投影模型84-87
- 4.5.2 线性投影模型87-88
- 4.5.3 模型融合88
- 4.6 实验结果与分析88-94
- 4.6.1 数据库89
- 4.6.2 特征提取89
- 4.6.3 参数设定89-91
- 4.6.4 性能评估91-94
- 4.7 小结94-95
- 参考文献95-99
- 第五章 基于数据自适应局部度量学习的行人再辨识99-123
- 5.1 引言99-100
- 5.2 研究现状100-101
- 5.3 研究动机101-102
- 5.4 基本理论102-106
- 5.4.1 度量学习102-104
- 5.4.2 LMNN和ITML104-106
- 5.5 所提出的算法106-110
- 5.5.1 算法模型106-107
- 5.5.2 模型训练107-110
- 5.5.3 模型推理110
- 5.6 实验结果与分析110-119
- 5.6.1 数据库111
- 5.6.2 特征提取111
- 5.6.3 参数设置111-113
- 5.6.4 性能评估113-119
- 5.7 小结119
- 参考文献119-123
- 第六章 总结与展望123-125
- 致谢125-126
- 攻读博士学位期间的研究成果126
【相似文献】
中国期刊全文数据库 前10条
1 袁茵;;数据分布服务推动了注重数据的系统发展[J];电子技术;2006年11期
2 夏军;庞征斌;张峻;李永进;;一种基于0-1整数规划的全局数据分布优化方法[J];国防科技大学学报;2009年04期
3 郑胜;郝毫毫;;基于贝努利大数定律的数据分布算法[J];计算机工程;2009年19期
4 丁莹;几种数据分布设计方法的比较与进一步探讨[J];计算机时代;1994年04期
5 丁莹;几种数据分布设计方法的探讨[J];微型电脑应用;1994年04期
6 武继刚，，庞淑萍;堆上的数据分布与堆选择算法[J];计算技术与自动化;1995年04期
7 陈楠;分布式数据库系统数据分布策略分析[J];计算机时代;1998年10期
8 钱旭明;;数据分布规划的数学模型[J];宁波大学学报(理工版);1992年02期
9 王于同;一种以负载平衡为目标的分布式数据分布算法[J];杭州电子工业学院学报;1995年02期
10 王秀坤,吴月堂,张盛;一种有效的数据分布算法[J];计算机工程与应用;2000年12期
中国重要会议论文全文数据库 前10条
1 胥永康;岳筱玲;潘泽友;;基于数据分布的劳动力市场信息系统[A];第六届全国计算机应用联合学术会议论文集[C];2002年
2 李宏;;港口企业信息系统数据分布技术[A];全国飞机与船舶通信导航学术研讨会论文集（下）[C];2000年
3 陈楠;;分布式数据库系统的数据分布策略研究[A];信息科学与微电子技术:中国科协第三届青年学术年会论文集[C];1998年
4 王e
本文编号：278443
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/278443.html
