行人再識(shí)別(Person Re-identification,Person Re-ID)是智能視頻監(jiān)控系統(tǒng)的關(guān)鍵環(huán)節(jié),它利用行人視覺(jué)和運(yùn)動(dòng)信息,將單相機(jī)視頻監(jiān)控?cái)U(kuò)展為多相機(jī)協(xié)同視頻分析,從而實(shí)現(xiàn)多相機(jī)非重疊區(qū)域下的行人目標(biāo)匹配。然而多相機(jī)網(wǎng)絡(luò)提供豐富監(jiān)控信息的同時(shí),不同相機(jī)間還存在視圖差異,如何在繁復(fù)視頻數(shù)據(jù)中提取有效的行人特征,并克服視圖差異進(jìn)行判別性相似度匹配是行人再識(shí)別的主要研究方向。該文則從視頻行人目標(biāo)特征提取和特征匹配兩個(gè)角度出發(fā),對(duì)該問(wèn)題展開(kāi)進(jìn)一步探索。第一,針對(duì)表觀特征不能提供行人運(yùn)動(dòng)信息從而限制特征表現(xiàn)力的問(wèn)題,構(gòu)建時(shí)空表觀特征結(jié)和跨視圖二次判別分析的行人再識(shí)別模型。該算法首先設(shè)計(jì)適用于行人的時(shí)空梯度方向直方圖HOG3D特征,結(jié)合顏色直方圖和紋理表觀特征,構(gòu)成時(shí)空表觀特征描述符;然后采用在簡(jiǎn)單且直接的經(jīng)典度量學(xué)習(xí)(Keep It Simple and Straight Metric Learning,KISSME)算法基礎(chǔ)上改進(jìn)的跨視圖二次判別分析算法實(shí)現(xiàn)度量學(xué)習(xí),最后進(jìn)行特征相似度度量和排序以完成再識(shí)別過(guò)程。第二,針對(duì)由于相機(jī)參數(shù)不同導(dǎo)致的特征視圖差異較大的問(wèn)題,研究...

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本文研究工作
    1.4 本文組織結(jié)構(gòu)
第2章 行人再識(shí)別相關(guān)科學(xué)問(wèn)題
    2.1 行人再識(shí)別定義及難點(diǎn)
    2.2 行人再識(shí)別特征描述
        2.2.1 顏色特征
        2.2.2 紋理特征
        2.2.3 CNN特征
    2.3 行人再識(shí)別特征匹配
    2.4 數(shù)據(jù)集及評(píng)價(jià)標(biāo)準(zhǔn)
        2.4.1 數(shù)據(jù)集
        2.4.2 評(píng)價(jià)標(biāo)準(zhǔn)
    2.5 本章小結(jié)
第3章 時(shí)空表觀特征結(jié)合跨視圖二次判別分析的行人再識(shí)別算法
    3.1 引言
    3.2 系統(tǒng)組成框圖
    3.3 特征提取
        3.3.1 表觀特征提取
        3.3.2 HOG3D描述符
        3.3.3 時(shí)空特征提取
    3.4 跨視圖二次判別分析模型
        3.4.1 模型構(gòu)建
        3.4.2 計(jì)算過(guò)程
    3.5 實(shí)驗(yàn)仿真與分析
        3.5.1 實(shí)驗(yàn)設(shè)置
        3.5.2 PRID2011 數(shù)據(jù)集
        3.5.3 iLIDS-VID數(shù)據(jù)集
        3.5.4 實(shí)驗(yàn)分析總結(jié)
    3.6 本章小結(jié)
第4章 時(shí)空表觀特征結(jié)合相機(jī)相關(guān)特征增強(qiáng)的行人再識(shí)別算法
    4.1 引言
    4.2 系統(tǒng)組成框圖
    4.3 特征提取
    4.4 特征增強(qiáng)
        4.4.1 特征增強(qiáng)的作用
        4.4.2 零填充
        4.4.3 特征增強(qiáng)后的匹配過(guò)程
    4.5 相機(jī)相關(guān)特征增強(qiáng)
        4.5.1 相機(jī)相關(guān)度?計(jì)算
        4.5.2 自適應(yīng)特征增強(qiáng)
        4.5.3 相機(jī)視圖差異正則化
        4.5.4 邊界Fisher分析
        4.5.5 FA-MFA算法流程
    4.6 實(shí)驗(yàn)仿真及分析
        4.6.1 實(shí)驗(yàn)設(shè)置
        4.6.2 PRID2011 數(shù)據(jù)集
        4.6.3 iLIDS-VID數(shù)據(jù)集
        4.6.4 實(shí)驗(yàn)分析總結(jié)
    4.7 本章小結(jié)
第5章 CNN特征結(jié)合相機(jī)相關(guān)特征增強(qiáng)的行人再識(shí)別算法
    5.1 引言
    5.2 系統(tǒng)組成框圖
    5.3 CNN特征
        5.3.1 AlexNet網(wǎng)絡(luò)簡(jiǎn)介
        5.3.2 結(jié)構(gòu)化特征描述符
        5.3.3 視圖不變特征描述符
        5.3.4 CNN特征提取過(guò)程
    5.4 相機(jī)相關(guān)特征增強(qiáng)
    5.5 實(shí)驗(yàn)仿真與分析
        5.5.1 實(shí)驗(yàn)設(shè)置
        5.5.2 序數(shù)top-k中 k的選擇
        5.5.3 VIPeR數(shù)據(jù)集
        5.5.4 iLIDS-VID數(shù)據(jù)集
        5.5.5 實(shí)驗(yàn)分析總結(jié)
    5.6 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間承擔(dān)的科研任務(wù)與主要成果
致謝



本文編號(hào)：3739957