基于優(yōu)化距離測度學(xué)習(xí)的無重疊視域目標(biāo)匹配技術(shù)研究.pdf

1、智能視頻監(jiān)控中，受監(jiān)控環(huán)境多變、視角變化、光照亮度、盲區(qū)等因素影響，無重疊視域多攝像機(jī)間的目標(biāo)匹配問題是一個具有挑戰(zhàn)性和重要研究價值課題。本文從機(jī)器學(xué)習(xí)的角度，結(jié)合外觀模型特征和距離測度優(yōu)化對這一課題進(jìn)行了深入研究。主要內(nèi)容和創(chuàng)新點(diǎn)如下：
　　（1）提出了一種特征與測度學(xué)習(xí)算法的關(guān)聯(lián)模型。在考慮運(yùn)用特征描述符和目標(biāo)分類測度學(xué)習(xí)中，不僅考慮尋找具有顯著區(qū)分度的特征描述符，而且在選擇測度學(xué)習(xí)算法中，通過分析圖像外觀模型特征和距離測度學(xué)

2、習(xí)算法之間的內(nèi)在聯(lián)系，建立了兩者的關(guān)聯(lián)模型，給出了多種測度學(xué)習(xí)算法下最具有區(qū)分度的特征類型，為利用多特征的目標(biāo)匹配提供了參考。
　　（2）提出了結(jié)合一種自適應(yīng)在線學(xué)習(xí)的目標(biāo)匹配方法。將目標(biāo)匹配過程分為初始線下訓(xùn)練、在線目標(biāo)匹配、和測度更新三個階段，根據(jù)當(dāng)前累計(jì)匹配正確的樣本狀況進(jìn)行測度的調(diào)整，實(shí)現(xiàn)測度矩陣的自適應(yīng)動態(tài)調(diào)整，使系統(tǒng)的匹配準(zhǔn)確度始終維持在較高水平；還從人的視覺系統(tǒng)對色彩的敏感度角度出發(fā)，提出用顏色顯著度對顏色直方圖進(jìn)行

3、加權(quán)。解決了普通“線下訓(xùn)練學(xué)習(xí)+線上匹配”模式的目標(biāo)匹配方法在遇到大量偏離原始訓(xùn)練數(shù)據(jù)分布的新數(shù)據(jù)時，因測度矩陣不能及時更新以反映當(dāng)前情況造成準(zhǔn)確度下降的問題。
　?。?）提出了一種利用重排序提高搜索匹配目標(biāo)效率的方法。受到雙向排序算法的啟發(fā)，提出了一種基于重排序的DML目標(biāo)匹配方法，通過探針圖像的前向查詢和原型圖像的反向查詢，計(jì)算樣本間的內(nèi)容相似性，通過共同近鄰數(shù)目和分布確定上下文相似性，最終對相似性得分排序得到新的排序序列，使

4、正確匹配樣本具有更高的可能性出現(xiàn)在排序序列靠前的位置，提高了從序列中搜索匹配目標(biāo)的效率，解決了一次單向查詢得到的排序序列不夠可靠的問題。
　　論文對以上提出的算法進(jìn)行了實(shí)驗(yàn)仿真和結(jié)果分析，驗(yàn)證了算法的有效性。實(shí)驗(yàn)結(jié)果表明，相同的測度學(xué)習(xí)算法在利用不同外觀模型特征時，匹配準(zhǔn)確率會呈現(xiàn)1％-3%的差異，從而可以得到有效的關(guān)聯(lián)模型；自適應(yīng)在線學(xué)習(xí)目標(biāo)匹配方法在測試樣本數(shù)增多情況下，匹配準(zhǔn)確率只有2%的小幅下降，而普通方法的降幅可達(dá)9%；