基于度量學(xué)習(xí)和深度學(xué)習(xí)的行人重識別研究.pdf

1、視頻監(jiān)控網(wǎng)絡(luò)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(jī)視覺研究領(lǐng)域中的重點(diǎn)和熱點(diǎn)。行人重識別（Person Re-Identification）是指在非重疊視角域多攝像頭網(wǎng)絡(luò)下進(jìn)行的行人圖像匹配，即確認(rèn)不同位置的攝像頭在不同的時刻拍攝到的行人目標(biāo)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(xué)習(xí)的方法?；谔卣鞅硎镜姆椒ㄍㄟ^設(shè)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(shù)據(jù)中自動學(xué)習(xí)特征。而模型學(xué)習(xí)的方法中，基于特征變換學(xué)習(xí)的方法計算復(fù)雜度高且受光照和攝像機(jī)參數(shù)的影響很大，基于距離度量學(xué)習(xí)的方法對具有復(fù)雜分布的異構(gòu)數(shù)據(jù)的魯棒性不強(qiáng)。為此，本文將采用改進(jìn)方法提取圖像顏色空間特征和對復(fù)雜分布的異構(gòu)數(shù)據(jù)具有較強(qiáng)魯棒性的自適應(yīng)伸縮擴(kuò)張距離度量學(xué)習(xí)算法相結(jié)合，構(gòu)建基于HSV特征和自適應(yīng)距離度量學(xué)習(xí)的行人重識別系統(tǒng)。本文又采用深度學(xué)習(xí)方法對行人重識別進(jìn)行研究，

3、通過深層卷積神經(jīng)網(wǎng)絡(luò)自動提取特征來表征行人圖像，構(gòu)建基于深度學(xué)習(xí)的行人重識別系統(tǒng)。本文的具體研究內(nèi)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(jìn)行特征融合，構(gòu)建表征行人圖像的特征向量。介紹了一種自適應(yīng)收縮擴(kuò)張的距離度量學(xué)習(xí)方法，將兩者相結(jié)合形成基于距離度量學(xué)習(xí)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(rèn)知，其特征分布不會隨著圖片中目標(biāo)的形變、旋轉(zhuǎn)、平移的改變而發(fā)生改變

4、。本文將 HSV特征與改進(jìn)的 M-SEAML（Manhattan Distance-Shrinkage Expansion Adaptive Metric Learning）算法相結(jié)合，構(gòu)建出基于 HSV特征和自適應(yīng)距離度量學(xué)習(xí)的行人重識別系統(tǒng)。本文的方法在VIPeR[3]數(shù)據(jù)庫下的實(shí)驗(yàn)結(jié)果Rank1=19.9367％。
　　②基于深度學(xué)習(xí)的行人重識別研究，通過微調(diào)訓(xùn)練獲得深度卷積神經(jīng)網(wǎng)絡(luò)模型，采用該模型進(jìn)行特征提取，結(jié)合分類器進(jìn)