基于外观特征的人体目标再识别研究

发布时间：2021-07-22 06:35

　　人体目标再识别是计算机视觉和人工智能领域具有挑战性的前沿课题,其研究目标是借鉴人类的认知模型和视觉机制提取各视域中的感兴趣目标,对来自多个无重叠视域的视觉信息进行表达和整合,识别与匹配不同场景中的人体目标。该研究涉及认知心理学、计算机视觉、模式识别、机器学习等多个学科领域,在视频监控、人体行为分析、司法侦查、人机交互、医疗保健、多媒体娱乐和休闲、网上购物等诸多领域具有广泛的应用前景。近年来,人体目标再识别研究引起了大量学术研究机构和企业科研人员的兴趣。然而,由于人体结构和外部环境的复杂性,对该问题的研究仍然处于探索阶段。现有的基准数据库仅仅反映了封闭的场景,如两个摄像机和1：1的目标对应关系,而不是现实中更加开放的场景,例如数目较多的摄像机和未知的目标对应关系。本文围绕基于人体外观特征的再识别问题,进行了较深入的研究,主要研究成果如下：1.以图像之间的差异为出发点,提出基于参考图像特征学习的再识别方法。根据人类自身经验,使用多幅图像可以对目标提取更多稳定和有用的信息。针对传统的特征提取方法不能充分获取多幅图像信息的缺点,本文提出基于最大边缘准则和参考图像特征学习的人体目标再识别算法,学... 

【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校

【文章页数】：173 页

【学位级别】：博士

【部分图文】：

图１－１两个不同的嫣像机拍摄到的１０个目标

度的特征在分类／识别的过程中发挥作用的大小。根据这一思想，本节引入参??考图像，通过最大边缘准则，学习给定目标图像与参考图像之间的分类平面，??从分类平面提取给定目标的特征表达，算法框架如图３－１所示。??３．３．１特征提取??多种不同的特征可用来表达人体外观，基于现有的对人体外观表达的研??究［１８，?３９］，本章使用两种信息：图像色度信息和某一区域的统计特征。在实??际的视频监控场所，由远距离摄像机拍摄到的人体图像通常具有较低的分辨??率，为了确保匹配过程中的鲁棒性，将每幅图像分成稠密的块，在相应的图像??块内提取多种特征。??（１）稠密颜色直方图。??３２??

ｍｅｔｈｏｄｏｌｏｇｙ?ｏｆ?Ｔｕｚｅｌ?ｅｔ?ａｌ．??为ｄ?＝?ｌｌ维的特征图像，协方差区域描述子为Ｕｘｌｌ维的矩阵。该描述子描述??了给定区域特征的方差、特征之间的相关性Ｗ及空间分布。图３－２?Ｗ整幅图像??为例，给出了使用Ｔｕｚｅｌ等人的方法计算协方差矩阵的过程。??协方差矩阵为对称的和非负定的，在人体目标再识别问题上，协方差矩阵??为对称正定矩阵。由于与负数的乘法不闭合，相同大小的所有协方差矩阵不能??构成向量空间。Ｔｕｚｅｌ等人使用Ｆｏｒｓｔｎｅｒ和Ｍｏｏｎｅｎ提出的仿射黎曼度量定义??协方差矩阵的距离［１１４］，给定两个协方差矩阵Ｃ，和Ｃ，，二者之间的距离定义??如下：??ＭＣ？Ｃ２）－Ｊｐｎ＾ＭＣ？Ｃ，）?（３－７）??其中ｈ（ｃ，，Ｃ２：）｝，＝ｉ，为矩阵Ｃｌ和Ｃ；的广义特征值，即：??ＡｊＣｊＸ．?＝?Ｃ，ｘ，．?ｉ?—?（３－８）??其中Ｘ

【参考文献】：
期刊论文
[1]基于统计推断的行人再识别算法[J]. 杜宇宁,艾海舟.  电子与信息学报. 2014(07)
[2]多通道特征级联的人体目标再识别[J]. 曾明勇,田畅,吴泽民,付毅,揭斐然.  军事通信技术. 2013(03)
[3]多特征融合的人体目标再识别[J]. 范彩霞,朱虹,蔺广逢,罗磊.  中国图象图形学报. 2013(06)

博士论文
[1]基于深度与视觉信息融合的行人检测与再识别研究[D]. 祝博荟.东华大学 2013



本文编号：3296643