本文選題：行人再識(shí)別 + 特征空間��； 參考：《自動(dòng)化學(xué)報(bào)》2016年02期

【摘要】：行人再識(shí)別指的是在無(wú)重疊視域多攝像機(jī)監(jiān)控系統(tǒng)中,匹配不同攝像機(jī)視域中的行人目標(biāo).針對(duì)當(dāng)前基于距離測(cè)度學(xué)習(xí)的行人再識(shí)別算法中存在著特征提取復(fù)雜、訓(xùn)練過(guò)程復(fù)雜和識(shí)別效果差的問(wèn)題,我們提出一種基于多特征子空間與核學(xué)習(xí)的行人再識(shí)別算法.該算法首先在不同特征子空間中基于核學(xué)習(xí)的方法得到不同特征子空間中的測(cè)度矩陣以及相應(yīng)的相似度函數(shù),然后通過(guò)比較不同特征子空間中的相似度之和來(lái)對(duì)行人進(jìn)行識(shí)別.實(shí)驗(yàn)結(jié)果表明,本文提出的算法具有較高的識(shí)別率,其中在VIPe R數(shù)據(jù)集上,RANK1達(dá)到了40.7%,且對(duì)光照變化、行人姿態(tài)變化、視角變化和遮擋都具有很好的魯棒性.
[Abstract]:Pedestrian rerecognition refers to the matching of pedestrian targets in different cameras in a multi-camera surveillance system with no overlapped view. Aiming at the problems of complex feature extraction, complex training process and poor recognition effect in the current pedestrian rerecognition algorithm based on distance measure learning, we propose a pedestrian rerecognition algorithm based on multi-feature subspace and kernel learning. Firstly, the measure matrix and the corresponding similarity function in different feature subspaces are obtained based on kernel learning in different feature subspaces, and then the pedestrians are identified by comparing the sum of similarity degrees in different feature subspaces. The experimental results show that the proposed algorithm has a high recognition rate, in which RANK1 reaches 40.7 on the VIPe R dataset, and is robust to the changes of illumination, pedestrian posture, angle of view and occlusion.
【作者單位】： 合肥工業(yè)大學(xué)計(jì)算機(jī)與信息學(xué)院;
【基金】：國(guó)家自然科學(xué)基金(61371155) 安徽省科技攻關(guān)項(xiàng)目(1301b042023)資助~~
【分類號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 杜宇寧;艾海舟;;基于統(tǒng)計(jì)推斷的行人再識(shí)別算法[J];電子與信息學(xué)報(bào);2014年07期

【共引文獻(xiàn)】

相關(guān)期刊論文 前7條

1 霍中花;陳瑩;;采用增量式線性判別分析的行人再識(shí)別[J];小型微型計(jì)算機(jī)系統(tǒng);2017年03期

2 齊美彬;胡龍飛;蔣建國(guó);高燦;;多特征融合與獨(dú)立測(cè)度學(xué)習(xí)的行人再識(shí)別[J];中國(guó)圖象圖形學(xué)報(bào);2016年11期

3 齊美彬;王運(yùn)俠;檀勝順;劉皓;蔣建國(guó);;正則化獨(dú)立測(cè)度矩陣的行人再識(shí)別[J];模式識(shí)別與人工智能;2016年06期

4 齊美彬;檀勝順;王運(yùn)俠;劉皓;蔣建國(guó);;基于多特征子空間與核學(xué)習(xí)的行人再識(shí)別[J];自動(dòng)化學(xué)報(bào);2016年02期

5 宋亞玲;張良;;顏色特征和超像素特征融合的人體目標(biāo)再識(shí)別[J];信號(hào)處理;2015年10期

6 范彩霞;陳亞軍;曹磊;繆亞林;;基于視覺感知模型的行人再識(shí)別[J];計(jì)算機(jī)工程與應(yīng)用;2016年06期

7 彭志勇;常發(fā)亮;劉洪彬;別秀德;;基于HSV模型和特征點(diǎn)匹配的行人重識(shí)別算法[J];光電子·激光;2015年08期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉本永,楊萬(wàn)麟;噪聲中目標(biāo)距離剖面像識(shí)別的修正特征子空間法[J];系統(tǒng)工程與電子技術(shù);2000年03期

2 王曙光,何振亞;自適應(yīng)特征子空間濾波器[J];通信學(xué)報(bào);1992年02期

3 糾博;劉宏偉;何學(xué)輝;吳順君;;多特征子空間波形優(yōu)化設(shè)計(jì)方法[J];電子與信息學(xué)報(bào);2009年12期

4 周法國(guó);王映龍;楊炳儒;陳卓;;基于發(fā)現(xiàn)特征子空間模型的文本分類算法[J];計(jì)算機(jī)應(yīng)用研究;2009年10期

5 劉更代;徐明亮;張明敏;;基于獨(dú)立時(shí)空特征空間的人體運(yùn)動(dòng)合成[J];計(jì)算機(jī)學(xué)報(bào);2011年03期

6 歐陽(yáng)繕;Noise Suppresion:A Subspace Method[J];桂林電子工業(yè)學(xué)院學(xué)報(bào);1999年01期

7 張鴻;吳飛;;莊越挺;;基于特征子空間學(xué)習(xí)的跨媒體檢索方法[J];模式識(shí)別與人工智能;2008年06期

8 黎英云;馬洪;朱光喜;;基于特征子空間的快速多徑時(shí)延測(cè)量[J];微電子學(xué)與計(jì)算機(jī);2010年02期

9 郭明,王樹青;基于特征子空間的系統(tǒng)性能監(jiān)控與工況識(shí)別[J];化工學(xué)報(bào);2004年01期

10 吳剛;唐振民;楊靜宇;;融合李群理論與特征子空間基的圖像目標(biāo)跟蹤[J];控制理論與應(yīng)用;2012年10期

相關(guān)會(huì)議論文 前1條

1 范玉剛;張亞雄;吳建德;黃國(guó)勇;王曉東;;基于特征子空間的系統(tǒng)故障檢測(cè)與診斷[A];2013年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第四分冊(cè)）[C];2013年

相關(guān)碩士學(xué)位論文 前6條

1 閆治宇;基于PCA的小樣本與微小故障診斷方法研究[D];河南大學(xué);2015年

2 孫鑫;特征子空間法人臉識(shí)別研究[D];電子科技大學(xué);2005年

3 楊壘;基于FPGA的特征子空間目標(biāo)識(shí)別法的關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2009年

4 熊軼;基于特征子空間的波達(dá)方向（DOA）估計(jì)算法研究[D];華中科技大學(xué);2007年

5 張健;特征子空間雷達(dá)目標(biāo)一維像識(shí)別方法的FPGA實(shí)現(xiàn)的關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2007年

6 蘇盈盈;基于特征子空間回歸的軟傳感器精簡(jiǎn)化建模[D];重慶工學(xué)院;2008年

，

本文編號(hào)：1933790