基于相似性度量的行人重识别算法研究

《基于相似性度量的行人重识别算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要摘要行人重识别（personRe-Identification,Re-Id）是指判断来自不同摄像头所拍摄到的行人图像是否属于同一个行人的技术。在分布式多摄像头视频监控系统中，往往需要把不同地点和不同时间段拍摄到的行人关联起来，该系统广泛应用于长期多摄像头追踪和刑侦工作的取证搜索中。由于不同摄像头所拍摄到的行人图像存在光照，视角，背景，遮挡和低分辨率等因素的影响，所以行人重识别的研究工作充满挑战性。目前，行人重识别的研究工作主要集中在两个方面：（1）设计一个鲁棒的行人图像特征表示模型，可以正确区分不同行人，并能克服光照，视

2、角，背景，遮挡和低分辨率等因素的影响；（2）通过一个有判别力的相似性度量函数，使得相同类别的行人图像对的距离小于不同类别的行人图像对的距离。在特征提取阶段，本文提出了一个特征表示模型。首先利用Retinex图像增强算法对行人图像做预处理，使得行人图像更符合人眼的视觉特征；然后通过协同分割（co-segmentation）算法把行人图像前景区域分割出来，最后提出了基于前景分割的特征表示模型。在相似性度量阶段，本文提出了一个相似性度量算法。针对不同摄像头所拍摄到的行人图像的特征空间分布不一致，首先把特征向量通过投影矩阵投影到低维

3、的子空间中；在子空间中，结合行人图像样本对的共性和差异来计算行人图像样本对的距离。本文在VIPeR，GRID，CUHK01数据集上进行了对比实验。在相似性度量算法比较中，实验结果表明，本文所提出的相似性度量算法的性能优于其它四种算法。在特征表示模型比较中，实验结果表明，本文所提出的特征表示模型的性能优于其它三种特征表示模型。关键词：行人重识别；协同分割；子空间；相似性度量IABSTRACTABSTRACTPersonre-identificationistheproblemofjudgingwhetherpersonimag

4、escapturedfromdifferentcamerasbelongtothesameperson.Inlarge-scaledistributedmulti-camerasystems,Weneedtodistinguishpersonsatdifferentlocationsandindifferenttime.Thesystemiswidelyusedinlong-termmulti-cameratrackingandcriminalinvestigation.Duetotheinfluenceoffactorss

5、uchaschangesinilluminations,views,background,occlusionandlowresolutiononpersonimages,theresearchonpersonre-identificationischallenging.Atpresent,theresearchonpersonre-identificationismainlyfocusedontwoaspects:(1)Designingarobustfeaturerepresentationmodelthatcandist

6、inguishdifferentpersonsandovercomethechangesinilluminations,views,background,etc.(2)Designingadiscriminativesimilaritymetriclearningalgorithmthatcanmakethedistanceofintra-classissmallthaninter-class.Inthestepoffeatureextract,weproposeafeaturerepresentationmodel.Fir

7、stly,weapplytheRetinexalgorithmtopreprocesspersonimages.TheRetinexalgorithmaimsatproducingpersonimagesthatisconsistenttohumanobservationofthescene.Then,foregroundregionsofpersonimagesaresegmentedbyco-segmentationalgorithm.Finally,weproposeafeaturerepresentationmode

8、lwhichbasedonforegroundsegmentation.Inthestepofsimilaritymetriclearning,weproposeadiscriminativesimilaritymetriclearningalgorithm.Duetothefeature