基于優(yōu)化距離測度學習的無重疊視域目標匹配技術(shù)研究.pdf

1、智能視頻監(jiān)控中，受監(jiān)控環(huán)境多變、視角變化、光照亮度、盲區(qū)等因素影響，無重疊視域多攝像機間的目標匹配問題是一個具有挑戰(zhàn)性和重要研究價值課題。本文從機器學習的角度，結(jié)合外觀模型特征和距離測度優(yōu)化對這一課題進行了深入研究。主要內(nèi)容和創(chuàng)新點如下：
　　（1）提出了一種特征與測度學習算法的關聯(lián)模型。在考慮運用特征描述符和目標分類測度學習中，不僅考慮尋找具有顯著區(qū)分度的特征描述符，而且在選擇測度學習算法中，通過分析圖像外觀模型特征和距離測度學

2、習算法之間的內(nèi)在聯(lián)系，建立了兩者的關聯(lián)模型，給出了多種測度學習算法下最具有區(qū)分度的特征類型，為利用多特征的目標匹配提供了參考。
　　（2）提出了結(jié)合一種自適應在線學習的目標匹配方法。將目標匹配過程分為初始線下訓練、在線目標匹配、和測度更新三個階段，根據(jù)當前累計匹配正確的樣本狀況進行測度的調(diào)整，實現(xiàn)測度矩陣的自適應動態(tài)調(diào)整，使系統(tǒng)的匹配準確度始終維持在較高水平；還從人的視覺系統(tǒng)對色彩的敏感度角度出發(fā)，提出用顏色顯著度對顏色直方圖進行

3、加權(quán)。解決了普通“線下訓練學習+線上匹配”模式的目標匹配方法在遇到大量偏離原始訓練數(shù)據(jù)分布的新數(shù)據(jù)時，因測度矩陣不能及時更新以反映當前情況造成準確度下降的問題。
　?。?）提出了一種利用重排序提高搜索匹配目標效率的方法。受到雙向排序算法的啟發(fā)，提出了一種基于重排序的DML目標匹配方法，通過探針圖像的前向查詢和原型圖像的反向查詢，計算樣本間的內(nèi)容相似性，通過共同近鄰數(shù)目和分布確定上下文相似性，最終對相似性得分排序得到新的排序序列，使

4、正確匹配樣本具有更高的可能性出現(xiàn)在排序序列靠前的位置，提高了從序列中搜索匹配目標的效率，解決了一次單向查詢得到的排序序列不夠可靠的問題。
　　論文對以上提出的算法進行了實驗仿真和結(jié)果分析，驗證了算法的有效性。實驗結(jié)果表明，相同的測度學習算法在利用不同外觀模型特征時，匹配準確率會呈現(xiàn)1％-3%的差異，從而可以得到有效的關聯(lián)模型；自適應在線學習目標匹配方法在測試樣本數(shù)增多情況下，匹配準確率只有2%的小幅下降，而普通方法的降幅可達9%；