基于外觀特征和距離測度學(xué)習(xí)的無重疊視域目標(biāo)匹配技術(shù)研究.pdf

1、近年來基于多攝像機的智能監(jiān)控系統(tǒng)受到越來越多的關(guān)注。智能監(jiān)控系統(tǒng)的目標(biāo)匹配包括了重疊視域目標(biāo)匹配和無重疊視域目標(biāo)匹配。無重疊視域的監(jiān)控范圍大，具有更好的應(yīng)用價值，但由于監(jiān)控環(huán)境變化使得匹配更為困難，具有很大的挑戰(zhàn)性。無重疊視域目標(biāo)匹配由于場景間沒有重疊的部分，同一個目標(biāo)在不同的場景中會由于時間差異而發(fā)生很多變化，同時攝像機拍攝的角度也可能不同，這些為無重疊視域的目標(biāo)匹配增加了難度。本文針對以上問題，對無重疊視域的目標(biāo)匹配算法進行了一定研

2、究。主要內(nèi)容和創(chuàng)新點如下：
　?。?）顏色特征是重要的外觀特征，但對環(huán)境光照變化敏感，對于無重疊視域的目標(biāo)匹配，場景間存在亮度的變化。使用亮度轉(zhuǎn)換函數(shù)可以修正不同場景間亮度的變化，但對于同一場景有多個亮度區(qū)域的情況卻無能為力，本文提出了基于混合概率主成分分析的方法學(xué)習(xí)亮度轉(zhuǎn)換空間，解決了一個場景中含有多個亮度區(qū)域的亮度轉(zhuǎn)換問題，然后提取顏色特征進行目標(biāo)匹配。
　　（2）由于顏色特征本身不包含空間分布信息，對于具有相同顏色特征

3、的不同目標(biāo)會誤匹配。本文提出了使用顏色直方圖、主顏色譜直方圖、方向梯度直方圖特征融合的方法構(gòu)造特征向量，提高目標(biāo)匹配的魯棒性。同時，由于主顏色譜直方圖的顏色空間維度過高，通過對每個顏色分量降維，實現(xiàn)了對顏色空間的降維，降低了特征向量的計算復(fù)雜度。
　　（3）圖像的底層特征和高層語義間往往存在巨大的語義差異，所以使用不同的特性向量距離計算方法對目標(biāo)匹配的正確率造成較大的影響。本文使用距離測度學(xué)習(xí)算法對特征向量學(xué)習(xí)一種距離計算方法。針

4、對樣本少、特征維度高易于產(chǎn)生距離測度學(xué)習(xí)過擬合情況，本文提出一種有效地解決方法，即將高維的特征向量分解成多個低維的特征向量，對低維的特征向量分別進行距離測度學(xué)習(xí)，并且通過特征的類內(nèi)與類間距離比將多個特征融合，既提高了目標(biāo)匹配的正確率還降低了計算復(fù)雜度。
　?。?）基于以上研究成果，提出了融合外觀特征和距離測度學(xué)習(xí)的無重疊視域綜合目標(biāo)匹配算法，在線下階段計算亮度轉(zhuǎn)換函數(shù)、距離測度矩陣、特征權(quán)重；在線上階段提取目標(biāo)的特征向量，計算特征