閉合監(jiān)控網(wǎng)絡(luò)中短間隔下的人體再識別方法研究.pdf

1、監(jiān)控攝像頭的普及應(yīng)用以及監(jiān)控攝像頭網(wǎng)絡(luò)的形成在保障公共場所的安全性的同時，也產(chǎn)生了海量的監(jiān)控視頻數(shù)據(jù)。如何使用這些視頻數(shù)據(jù)，并從中挖掘有用的信息成為計算機視覺領(lǐng)域的熱門研究方向。作為該方向的一個子問題，監(jiān)控攝像頭網(wǎng)絡(luò)下的人體再識別問題在近幾年得到了科研人員的廣泛關(guān)注。人體再識別是利用計算機對不同攝像頭下的同一行人進行識別定位。它具有廣泛的應(yīng)用前景，包括追蹤與定位嫌疑犯、查找與尋回走失兒童和失主確認等。開放場景下的人體再識別問題受監(jiān)控攝像

2、頭網(wǎng)絡(luò)下的攝像頭視角變化、光照變化、行人姿態(tài)變化等因素的影響，目前還難以獲得一個魯棒的算法解決變化場景下的人體再識別問題。因此，本文考慮在閉合的監(jiān)控網(wǎng)絡(luò)中進行人體再識別，即行人出現(xiàn)在不同攝像頭下的時間間隔較短情況下的人體再識別問題。本文提出了兩種分別基于判別性圖像塊和基于多示例多標簽學(xué)習(xí)的人體再識別方法，分別在以下兩個方面開展了本文的研究工作:
　　1.對行人圖像的辨別性區(qū)域進行了定義，提出一個改進的canopy-kmeans算法

3、進行人體圖像塊的判別性分析，并提出兩種分別基于局部圖像和全局圖像集的剪枝策略，刪除具有干擾作用的偽判別性圖像塊，最終獲得跨攝像頭的魯棒的高判別性人體圖像塊，利用這些剪枝后的圖像塊對不同行人的圖像對依據(jù)其相似性排序，實現(xiàn)了人體再識別的求解;
　　2.首次引入多示例多標簽學(xué)習(xí)到人體再識別領(lǐng)域，提出一個使用多示例多標簽學(xué)習(xí)解決人體再識別問題的框架，分別采用了MIMLBOOST算法和MIMLSVM算法對行人攜帶的屬性進行檢測，減少了人工標

4、注的工作量及其帶來的歧義性，使用RankSVM算法融合了判別性區(qū)域特征和屬性特征對不同行人的圖像進行相似性排序，最終完成人體再識別。
　　雖然行人圖像的判別性區(qū)域和行人攜帶的屬性都是圖像上的顯著性模式，它們的區(qū)別在于，判別性區(qū)域不具備語義特性，而屬性是具有特定語義模式的集合。文章分別在VIPeR和PRID2011兩個基準數(shù)據(jù)集上對兩個方法的性能進行了對比試驗。實驗結(jié)果表明，基于判別性圖像塊的人體再識別方法的性能能夠達到并超越當前的