跨攝像機的行人再識別檢索系統(tǒng)

發(fā)布時間：2020-10-09 01:52

　　隨著“互聯(lián)網+”的提出,人們的生活質量在不斷的提高,“智慧城市”的建設也逐漸普及。構建一個更加和諧、更加安全的社會環(huán)境成為現(xiàn)階段人們對安防建設的要求。近幾年來,深度學習與人工智能的高速發(fā)展為各領域提供了新的發(fā)展方向,視頻監(jiān)控系統(tǒng)也隨之朝著更加智能化的發(fā)展方向。其中跨攝像機的行人再識別問題近年來吸引了大批學者的研究。行人再識別技術作為智能監(jiān)控系統(tǒng)中的核心技術,在跨攝像機的目標跟蹤和行人檢索等方面都有著其至關重要的應用。但是由于在監(jiān)控視頻系統(tǒng)中,攝像機的成像質量、光照強度、監(jiān)控視角以及行人姿態(tài)不同等原因,導致同一個行人目標在不同監(jiān)控視頻中的外觀特征出現(xiàn)較大的差異,對行人再識別問題的研究造成重大干擾,使行人再識別面臨眾多挑戰(zhàn)。基于以上這些問題,本文分別從設計特征和圖像分割方面,設計了一種特征融合和橢圓分割的ReID算法,最后,為應用于實際系統(tǒng),本文采用基于特征的詞袋模型加快檢索速度。論文的主要研究工作及創(chuàng)新點如下:1.基于特征部分,本文首先利用全局與局部特征相結合的組合框架。這種結構即可以保證特征信息的完整性也可以突出局部信息,接著采用LOMO和GOG這種包含幾種基礎特征的復合特征作為全局特征,并結合局部的HSV和LAB顏色特征,可以充分發(fā)揮LOMO與GOG特征的互補特性,從而形成了一個更加具有魯棒性的特征表達。2.圖像分割部分,采用橢圓分割與水平均勻分割�；谛腥藞D像的性質,現(xiàn)階段的行人再識別數據集圖像的邊框,其四個直角區(qū)域大多都為無用的干擾信息,利用橢圓分割可去除部分無關的背景干擾,并且可以減少計算復雜度。為突出局部細節(jié)信息,再加上水平均勻分割,增加圖像部分細節(jié),增加特征的有效性。3.結合以上的工作及算法特點,設計出一個基于B/S框架的跨攝像機的行人再識別檢索系統(tǒng),并在此系統(tǒng)中增加基于詞袋模型的快速檢索算法增加系統(tǒng)檢索效率,以此實現(xiàn)對行人目標的快速檢索。
【學位單位】：合肥工業(yè)大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TN948.41;TP391.41
【部分圖文】：

模擬圖,行人,模擬圖,實際系統(tǒng)

合肥工業(yè)大學碩士研究生學位論文次利用橢圓分割來減少背景干擾以及減低計算復雜度，最后在特征層面利用全局與局部特征相結合的模式，并且，增加了水平均勻分割，突出局部特征，增加特征的魯棒性，再利用 ADMM[3]優(yōu)化損失函數得到最優(yōu)解。其次，本文采用了基于詞袋模型的快速檢索算法并在其基礎上進行改進，最后將 ReID 在 B/S 架構的實際監(jiān)控系統(tǒng)中實現(xiàn)。

識別框架,行人,梯度特征,顏色特征

圖 2.1 基于特征表達的行人再識別框架Fig 2.1 Framework of person re-identification based on feature expression目前，經常使用的手工特征主要有顏色特征、紋理特征和梯度特征等等，這些都是簡單的底層特征，如 HSV、RGB、LAB、YcbCr 等顏色特征，LBP 和 SILTP等紋理特征，HOG 等梯度特征。這種底層特征提取算法簡單，特征較為單一包含圖像的信息種類有限，所以對環(huán)境以及光照和視角變化的表達能力有限。

系統(tǒng)框圖,系統(tǒng)框圖,梯度特征,顏色特征