Single-shot和multi-shot場景下的行人再識別算法研究.pdf

1、隨著人們對社會公共安全的重視不斷地提高，視頻監(jiān)控系統(tǒng)被部署在了各大公共場所，為社會治安穩(wěn)定提供了技術(shù)保障。在視頻監(jiān)控網(wǎng)絡(luò)中，行人是最受關(guān)注的重點(diǎn)之一。針對特定行人的檢索，尤其是無重疊視野下的行人檢索問題，即行人再識別問題，是當(dāng)前安防領(lǐng)域中重要的研究課題。因此，設(shè)計(jì)一種識別效率高且具有魯棒性的行人再識別方法具有非常高的理論價(jià)值和應(yīng)用價(jià)值。
　　本文根據(jù)行人再識別中兩個(gè)不同的研究場景，分別提出了兩種方法，來解決行人再識別跨場景下的問題

2、。本文的主要研究內(nèi)容如下：
　　（1）針對single-shot場景，本文提出了一種結(jié)合語義屬性和身體區(qū)域的行人再識別算法。傳統(tǒng)的大部分方法都是通過學(xué)習(xí)一個(gè)全局的排序模型和通過整張圖片的信息來進(jìn)行匹配查找，這忽視了每個(gè)個(gè)體的獨(dú)特性和各個(gè)身體部分對于行人再識別的貢獻(xiàn)存在一定的差異，本文針對這個(gè)問題進(jìn)行算法設(shè)計(jì)。首先，利用SVM進(jìn)行語義屬性分類器的訓(xùn)練，進(jìn)而對每個(gè)屬性進(jìn)行加權(quán)。其次，對每個(gè)行人的上下半身分別進(jìn)行支持向量機(jī)學(xué)習(xí)，得到每個(gè)

3、半身區(qū)域的分類器。與傳統(tǒng)的針對整個(gè)數(shù)據(jù)集的分類器不同，本文為每個(gè)個(gè)體的每個(gè)身體區(qū)域都設(shè)計(jì)了一個(gè)分類器，因此在計(jì)算相似距離的時(shí)候能夠很好地適配每個(gè)個(gè)體。然后，分別計(jì)算上下半身的距離并進(jìn)行融合，得出整張圖片的距離，繼而得到相似度排序結(jié)果。最后，在基于行人再識別的公共數(shù)據(jù)集VIPeR、QMUL GRID和PRID2011的實(shí)驗(yàn)表明，本文提出的行人再識別算法具有較高的識別準(zhǔn)確率。
　?。?）針對multi-shot場景，本文引入AdaBo

4、ost算法，提出一種集成時(shí)空特征和基于集合的度量學(xué)習(xí)的行人再識別算法的框架。主流的研究方向主要有基于集合的時(shí)空特征提取和基于集合的度量學(xué)習(xí)方法，大部分現(xiàn)有的研究方法將關(guān)注點(diǎn)集中于其中一個(gè)方向，本文通過集成兩個(gè)研究方向的算法，充分吸取兩個(gè)研究的優(yōu)勢并進(jìn)行有機(jī)結(jié)合。提出的算法在PRID2011數(shù)據(jù)集和iLIDS-VID數(shù)據(jù)集上分別進(jìn)行測試，并與現(xiàn)有的同類方法進(jìn)行了比較，實(shí)驗(yàn)結(jié)果表明第一識別準(zhǔn)確率有明顯的提升。
　　本文針對single