跨攝像機(jī)行人再標(biāo)識(shí)研究.pdf

1、隨著與城市公共安全相關(guān)的大規(guī)模攝像機(jī)監(jiān)控網(wǎng)絡(luò)的建設(shè)和完善，對(duì)攝像機(jī)監(jiān)控網(wǎng)絡(luò)下的特定行人目標(biāo)進(jìn)行再標(biāo)識(shí)（Re-identificaiton)*與搜索變得越來(lái)越重要?？鐢z像機(jī)行人再標(biāo)識(shí)是從大量的候選行人圖像或視頻中，識(shí)別出包含某個(gè)特定行人的圖像，從而有助于尋找其在整個(gè)攝像機(jī)網(wǎng)絡(luò)中出現(xiàn)的時(shí)空線索，并針對(duì)該目標(biāo)建立不同場(chǎng)景下的語(yǔ)義關(guān)聯(lián)關(guān)系。該技術(shù)對(duì)多攝像機(jī)目標(biāo)跟蹤、生物特征識(shí)別、智能人機(jī)交互以及監(jiān)控視頻的語(yǔ)義分析等應(yīng)用具有重要意義，是近年來(lái)多媒

2、體信號(hào)處理與模式識(shí)別領(lǐng)域的熱點(diǎn)研究方向之一。但是，由于行人圖像受場(chǎng)景光照、背景干擾、觀測(cè)視角、攝像機(jī)內(nèi)部參數(shù)及人體姿態(tài)等種種因素影響，自動(dòng)地實(shí)現(xiàn)不同攝像機(jī)下行人圖像的正確標(biāo)識(shí)難度很大，尤其是隨著監(jiān)控網(wǎng)絡(luò)中攝像機(jī)數(shù)量的增多，問(wèn)題的復(fù)雜性進(jìn)一步提高?；谏鲜鰡?wèn)題，本文對(duì)跨攝像機(jī)行人再標(biāo)識(shí)中的攝像機(jī)上下文信息利用、距離度量設(shè)計(jì)與學(xué)習(xí)及行人圖像表示進(jìn)行了研究。
　　首先，本文提出了基于多任務(wù)距離度量學(xué)習(xí)的跨攝像機(jī)行人再標(biāo)識(shí)框架。該框架首先

3、考慮攝像機(jī)網(wǎng)絡(luò)上下文信息，為每一對(duì)攝像機(jī)設(shè)計(jì)一個(gè)馬氏距離度量。在此基礎(chǔ)上，我們提出了基于多個(gè)距離度量學(xué)習(xí)的攝像機(jī)網(wǎng)絡(luò)下行人再標(biāo)識(shí)方法。然后針對(duì)過(guò)擬合問(wèn)題，借鑒機(jī)器學(xué)習(xí)中多任務(wù)學(xué)習(xí)的思想，把多個(gè)距離度量學(xué)習(xí)的問(wèn)題建模成一個(gè)多任務(wù)距離度量學(xué)習(xí)問(wèn)題。此外，為了驗(yàn)證本文所提出的基于多任務(wù)距離度量學(xué)習(xí)的跨攝像機(jī)行人再標(biāo)識(shí)框架，針對(duì)現(xiàn)有行人再標(biāo)識(shí)數(shù)據(jù)庫(kù)中正確匹配對(duì)稀疏的特點(diǎn)，本文對(duì)機(jī)器學(xué)習(xí)中的多任務(wù)大間隔最近鄰距離度量學(xué)習(xí)方法進(jìn)行修改，提出了一種基

4、于成對(duì)約束的多任務(wù)大間隔距離度量學(xué)習(xí)方法。實(shí)驗(yàn)結(jié)果表明，相對(duì)于傳統(tǒng)的基于單個(gè)距離度量學(xué)習(xí)的攝像機(jī)網(wǎng)絡(luò)下行人再標(biāo)識(shí)框架，基于多任務(wù)距離度量學(xué)習(xí)的攝像機(jī)網(wǎng)絡(luò)下行人再標(biāo)識(shí)框架表現(xiàn)出了顯著的再標(biāo)識(shí)性能提升。
　　在基于多任務(wù)距離度量學(xué)習(xí)的跨攝像機(jī)行人再標(biāo)識(shí)框架基礎(chǔ)上，考慮到行人再標(biāo)識(shí)是最近鄰分類問(wèn)題以及現(xiàn)有行人再標(biāo)識(shí)數(shù)據(jù)庫(kù)中正確匹配對(duì)稀疏的固有特點(diǎn)，本文進(jìn)一步提出了多任務(wù)最大塌縮距離學(xué)習(xí)模型，并給出了基于輪換優(yōu)化方法和基于Nesterov

5、優(yōu)化方法的求解方法。除了保持最大塌縮距離度量學(xué)習(xí)模型的原有優(yōu)點(diǎn)外，該模型還具有兩個(gè)良好的數(shù)學(xué)性質(zhì)，使其便于優(yōu)化。第一，多任務(wù)最大塌縮距離學(xué)習(xí)模型的目標(biāo)函數(shù)關(guān)于待學(xué)習(xí)的多個(gè)半正定矩陣是凸函數(shù)，該性質(zhì)保證在理論上可以找到最優(yōu)解；第二，在使用輪換優(yōu)化(Alternating Optimization)方法對(duì)每一個(gè)子問(wèn)題進(jìn)行優(yōu)化時(shí)其梯度函數(shù)是利普希茨連續(xù)，該性質(zhì)保證子問(wèn)題適合采用最優(yōu)梯度下降法進(jìn)行求解。本文給出以上數(shù)學(xué)性質(zhì)的理論證明過(guò)程。實(shí)驗(yàn)結(jié)

6、果表明，針對(duì)跨攝像機(jī)行人再標(biāo)識(shí)問(wèn)題，本文提出的多任務(wù)最大塌縮距離學(xué)習(xí)模型的準(zhǔn)確率優(yōu)于目前已發(fā)表文獻(xiàn)中報(bào)告的最好結(jié)果，且較第二章提出的成對(duì)約束的多任務(wù)最大間隔距離度量學(xué)習(xí)模型，具有明顯的提升。
　　最后，針對(duì)攝像機(jī)上下文信息不可獲得及候選集中行人具有多張圖像的應(yīng)用需求，本文提出了一種泛化的陸地移動(dòng)距離用于行人再標(biāo)識(shí)。首先，該方法考慮樣例圖像中人體不同區(qū)域的判別信息，提出判別的陸地移動(dòng)距離模型用于匹配人體目標(biāo)。該模型利用候選集中樣例圖

7、像數(shù)據(jù)在語(yǔ)義上的判別信息，通過(guò)最大間隔學(xué)習(xí)方法學(xué)習(xí)樣例圖像中所有區(qū)域的判別模型。另外，該方法把關(guān)于人體結(jié)構(gòu)的先驗(yàn)知識(shí)作為匹配人體目標(biāo)時(shí)的空間約束，其中人體結(jié)構(gòu)定義為人體由上半身和下半身兩部分組成。在此基礎(chǔ)上，本文提出一種基于概率映射圖的人體結(jié)構(gòu)表示方法，通過(guò)采用貝葉斯方估計(jì)法自適應(yīng)獲得每張行人圖像對(duì)應(yīng)的概率映射圖，同時(shí)引入相對(duì)熵計(jì)算兩個(gè)待匹配的區(qū)域在空間上的不兼容度，并把不兼容度整合到陸地移動(dòng)距離中的地面距離計(jì)算過(guò)程中。實(shí)驗(yàn)結(jié)果表明，相