基于度量學習和深度學習的行人重識別研究.pdf

1、視頻監(jiān)控網絡的快速發(fā)展所帶來的海量視頻給傳統(tǒng)人工視頻監(jiān)控分析方法帶來了巨大的挑戰(zhàn)，基于行人重識別的智能視頻分析方法成為計算機視覺研究領域中的重點和熱點。行人重識別（Person Re-Identification）是指在非重疊視角域多攝像頭網絡下進行的行人圖像匹配，即確認不同位置的攝像頭在不同的時刻拍攝到的行人目標是否為同一人。目前行人重識別的研究算法可以分為兩大類：基于特征表示方法和基于模型學習的方法?；谔卣鞅硎镜姆椒ㄍㄟ^設計一些描

2、述子來提取行人圖像中具有區(qū)分性和穩(wěn)定性的特征，而不是從數據中自動學習特征。而模型學習的方法中，基于特征變換學習的方法計算復雜度高且受光照和攝像機參數的影響很大，基于距離度量學習的方法對具有復雜分布的異構數據的魯棒性不強。為此，本文將采用改進方法提取圖像顏色空間特征和對復雜分布的異構數據具有較強魯棒性的自適應伸縮擴張距離度量學習算法相結合，構建基于HSV特征和自適應距離度量學習的行人重識別系統(tǒng)。本文又采用深度學習方法對行人重識別進行研究，

3、通過深層卷積神經網絡自動提取特征來表征行人圖像，構建基于深度學習的行人重識別系統(tǒng)。本文的具體研究內容如下：
　?、倩趫D像的顏色空間特性，通過分塊分別提取行人圖像的 HSV子特征，然后進行特征融合，構建表征行人圖像的特征向量。介紹了一種自適應收縮擴張的距離度量學習方法，將兩者相結合形成基于距離度量學習的行人重識別系統(tǒng)。
　　HSV顏色空間符合人類對顏色的感官認知，其特征分布不會隨著圖片中目標的形變、旋轉、平移的改變而發(fā)生改變

4、。本文將 HSV特征與改進的 M-SEAML（Manhattan Distance-Shrinkage Expansion Adaptive Metric Learning）算法相結合，構建出基于 HSV特征和自適應距離度量學習的行人重識別系統(tǒng)。本文的方法在VIPeR[3]數據庫下的實驗結果Rank1=19.9367％。
　?、诨谏疃葘W習的行人重識別研究，通過微調訓練獲得深度卷積神經網絡模型，采用該模型進行特征提取，結合分類器進