基于耦合特征空間學(xué)習(xí)的行人再識別.pdf

1、隨著人們對公共安全的重視程度不斷加深，監(jiān)控系統(tǒng)的運用也越來越頻繁，通過人工的方式對海量監(jiān)控圖像進行觀察和處理變得越來越困難，因此利用計算機對行人進行再識別的技術(shù)應(yīng)運而生。近年來，行人再識別(PersonRe-identification)技術(shù)在計算機視覺和信息科學(xué)領(lǐng)域受到了越來越多的重視，逐漸成為了一個熱門研究方向。但由于監(jiān)控攝像頭本身的分辨率問題及傳輸過程中給圖像帶來的噪聲，導(dǎo)致用于再識別實驗的圖像質(zhì)量普遍較低，給行人再識別的發(fā)展帶來

2、很多困難，并且由于光照、背景環(huán)境、行人姿態(tài)和攝像角度的巨大變化，造成了相同行人在不同攝像機條件下獲取的圖像差異性很大、提取出的圖像特征分布不一致等問題，當(dāng)前的行人再識別研究依然面臨許多挑戰(zhàn)。針對上述行人再識別研究中存在的問題，本文進行了以下工作:
　　在耦合特征學(xué)習(xí)算法的基礎(chǔ)上，提出了一種基于聯(lián)合圖正則化耦合特征空間學(xué)習(xí)的行人再識別算法。算法分為訓(xùn)練階段和測試階段，在訓(xùn)練階段進行投影矩陣訓(xùn)練，利用l2,1范數(shù)和跡范數(shù)進行偶合特征提

3、取并使用聯(lián)合圖正則項對投影矩陣進行局部約束，使得投影后特征空間具有相關(guān)性和局部性，通過迭代算法進行投影矩陣的訓(xùn)練;在測試階段，對不同攝像頭條件下獲取的行人圖像進行特征提取得到不同的特征子空間，利用訓(xùn)練得到的投影矩陣將不同的特征子空間投影到一個耦合的共同特征空間，在這個共同特征空間上對不同攝像條件下獲得的圖像進行距離度量，根據(jù)度量結(jié)果判斷是否是同一個行人，并得出再識別結(jié)果。
　　通過在兩個具有挑戰(zhàn)性的行人再識別數(shù)據(jù)集上與其他再識別算