跨攝像機行人再標識研究.pdf

1、隨著與城市公共安全相關(guān)的大規(guī)模攝像機監(jiān)控網(wǎng)絡(luò)的建設(shè)和完善，對攝像機監(jiān)控網(wǎng)絡(luò)下的特定行人目標進行再標識（Re-identificaiton)*與搜索變得越來越重要。跨攝像機行人再標識是從大量的候選行人圖像或視頻中，識別出包含某個特定行人的圖像，從而有助于尋找其在整個攝像機網(wǎng)絡(luò)中出現(xiàn)的時空線索，并針對該目標建立不同場景下的語義關(guān)聯(lián)關(guān)系。該技術(shù)對多攝像機目標跟蹤、生物特征識別、智能人機交互以及監(jiān)控視頻的語義分析等應(yīng)用具有重要意義，是近年來多媒

2、體信號處理與模式識別領(lǐng)域的熱點研究方向之一。但是，由于行人圖像受場景光照、背景干擾、觀測視角、攝像機內(nèi)部參數(shù)及人體姿態(tài)等種種因素影響，自動地實現(xiàn)不同攝像機下行人圖像的正確標識難度很大，尤其是隨著監(jiān)控網(wǎng)絡(luò)中攝像機數(shù)量的增多，問題的復(fù)雜性進一步提高。基于上述問題，本文對跨攝像機行人再標識中的攝像機上下文信息利用、距離度量設(shè)計與學(xué)習(xí)及行人圖像表示進行了研究。
　　首先，本文提出了基于多任務(wù)距離度量學(xué)習(xí)的跨攝像機行人再標識框架。該框架首先

3、考慮攝像機網(wǎng)絡(luò)上下文信息，為每一對攝像機設(shè)計一個馬氏距離度量。在此基礎(chǔ)上，我們提出了基于多個距離度量學(xué)習(xí)的攝像機網(wǎng)絡(luò)下行人再標識方法。然后針對過擬合問題，借鑒機器學(xué)習(xí)中多任務(wù)學(xué)習(xí)的思想，把多個距離度量學(xué)習(xí)的問題建模成一個多任務(wù)距離度量學(xué)習(xí)問題。此外，為了驗證本文所提出的基于多任務(wù)距離度量學(xué)習(xí)的跨攝像機行人再標識框架，針對現(xiàn)有行人再標識數(shù)據(jù)庫中正確匹配對稀疏的特點，本文對機器學(xué)習(xí)中的多任務(wù)大間隔最近鄰距離度量學(xué)習(xí)方法進行修改，提出了一種基

4、于成對約束的多任務(wù)大間隔距離度量學(xué)習(xí)方法。實驗結(jié)果表明，相對于傳統(tǒng)的基于單個距離度量學(xué)習(xí)的攝像機網(wǎng)絡(luò)下行人再標識框架，基于多任務(wù)距離度量學(xué)習(xí)的攝像機網(wǎng)絡(luò)下行人再標識框架表現(xiàn)出了顯著的再標識性能提升。
　　在基于多任務(wù)距離度量學(xué)習(xí)的跨攝像機行人再標識框架基礎(chǔ)上，考慮到行人再標識是最近鄰分類問題以及現(xiàn)有行人再標識數(shù)據(jù)庫中正確匹配對稀疏的固有特點，本文進一步提出了多任務(wù)最大塌縮距離學(xué)習(xí)模型，并給出了基于輪換優(yōu)化方法和基于Nesterov

5、優(yōu)化方法的求解方法。除了保持最大塌縮距離度量學(xué)習(xí)模型的原有優(yōu)點外，該模型還具有兩個良好的數(shù)學(xué)性質(zhì)，使其便于優(yōu)化。第一，多任務(wù)最大塌縮距離學(xué)習(xí)模型的目標函數(shù)關(guān)于待學(xué)習(xí)的多個半正定矩陣是凸函數(shù)，該性質(zhì)保證在理論上可以找到最優(yōu)解；第二，在使用輪換優(yōu)化(Alternating Optimization)方法對每一個子問題進行優(yōu)化時其梯度函數(shù)是利普希茨連續(xù)，該性質(zhì)保證子問題適合采用最優(yōu)梯度下降法進行求解。本文給出以上數(shù)學(xué)性質(zhì)的理論證明過程。實驗結(jié)

6、果表明，針對跨攝像機行人再標識問題，本文提出的多任務(wù)最大塌縮距離學(xué)習(xí)模型的準確率優(yōu)于目前已發(fā)表文獻中報告的最好結(jié)果，且較第二章提出的成對約束的多任務(wù)最大間隔距離度量學(xué)習(xí)模型，具有明顯的提升。
　　最后，針對攝像機上下文信息不可獲得及候選集中行人具有多張圖像的應(yīng)用需求，本文提出了一種泛化的陸地移動距離用于行人再標識。首先，該方法考慮樣例圖像中人體不同區(qū)域的判別信息，提出判別的陸地移動距離模型用于匹配人體目標。該模型利用候選集中樣例圖

7、像數(shù)據(jù)在語義上的判別信息，通過最大間隔學(xué)習(xí)方法學(xué)習(xí)樣例圖像中所有區(qū)域的判別模型。另外，該方法把關(guān)于人體結(jié)構(gòu)的先驗知識作為匹配人體目標時的空間約束，其中人體結(jié)構(gòu)定義為人體由上半身和下半身兩部分組成。在此基礎(chǔ)上，本文提出一種基于概率映射圖的人體結(jié)構(gòu)表示方法，通過采用貝葉斯方估計法自適應(yīng)獲得每張行人圖像對應(yīng)的概率映射圖，同時引入相對熵計算兩個待匹配的區(qū)域在空間上的不兼容度，并把不兼容度整合到陸地移動距離中的地面距離計算過程中。實驗結(jié)果表明，相