基于視覺顯著增強和低鐵稀疏結構化的行人重識別方法研究.pdf

1、基于監(jiān)控場景下的行人重識別問題是當前計算機視覺領域研究的熱點，主要任務是指行人在穿梭于監(jiān)控場景中攝像機網(wǎng)絡的視頻或圖片的匹配，特別是對于非重疊視域的多攝像機網(wǎng)絡結構，應用場景更加廣泛。因此行人重識別問題在智慧城市，安防監(jiān)控，交通管理等領域有著非常廣泛的應用前景。然而，由于非重疊視域的多攝像機網(wǎng)絡結構存在場景背景的變化、行人外觀姿態(tài)的變化以及光照角度的改變等因素，使得行人重識別的研究工作充滿了挑戰(zhàn)性。
　　行人重識別的研究方法主要分

2、為兩類:(1)基于行人外觀模型，能夠克服行人光照，姿勢和視角的變化。(2)基于學習方法匹配，學習方法將底層的特征信息轉換高層的語義信息。從數(shù)據(jù)的形態(tài)上行人重識別研究問題主要分為基于單幀圖像和視頻序列:(1)單幀圖像是指對于一個行人重識別目標，在監(jiān)控場景攝像機網(wǎng)絡中只有一張圖片信息可以加以利用;(2)而基于視頻序列可以利用的信息則相應的為多幅圖像或者一段視頻序列幀。本文的主要工作就分成單幀圖像和視頻序列的兩種情況，具體如下:
　　(

3、1)對于單幀圖像行人重識別，考慮到行人圖像包圍盒包含不必要背景信息和遮擋，本文提出了一種新穎的顯著性加權特征，該特征通過在構圖的基礎上運用流形排序算法來學習行人圖像的視覺顯著性。具體來說，首先對圖中超像素塊構建環(huán)圖，基于這些超像素塊，依據(jù)和前景信息和背景信息的距離來計算相應的顯著性。最后，將區(qū)域塊的顯著性和局部最大發(fā)生特征結合，構建了一種視覺顯著性加強的魯棒外觀模型，該特征有效地增強行人區(qū)域的同時抑制背景區(qū)域對行人重識別的影響。

4、　　(2)對于視頻序列行人重識別，本文假設擁有相同外觀的行人圖片來自于同一個低秩子空間，同一個行人的所有圖片存在于一個聯(lián)合的低秩子空間，基于這樣的假設，本文提出了一種有效的子空間學習方法，該方法基于低秩表示模型，同時融合了非負，低秩和稀疏約束，在此基礎上，構建加強行人圖片之間關系的信息圖，此外，為了加強低秩關系矩陣，本文引入了統(tǒng)計學中的先驗概率，重復判別先驗，該先驗概率主要運用在分割領域，本文將其拓展到基于視頻序列的行人重識別任務中以提