-
题名基于外观统计特征融合的人体目标再识别
被引量：21
- 1
-
-
作者
曾明勇
吴泽民
田畅
付毅
揭斐然
-
机构
解放军理工大学通信工程学院
中国航空工业集团光电控制技术重点实验室
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2014年第8期1844-1851,共8页
-
基金
光电控制技术重点实验室和航空科学基金(20125186005)联合资助课题
-
文摘
人体目标再识别是视频监控等应用的关键问题之一。该文从外观统计特征融合的角度,利用人体的颜色和结构信息,基于空间直方图和区域协方差两种优秀的统计描述方法,研究了再识别问题的特征构建和测度选择等内容。构建特征时从图像多个层次的统计区域中提取了多类互补性较好的统计向量,设计测度时使用了简单的1l距离进行加权组合。两类统计方式融合而成的再识别方法不需要进行预处理和监督性训练过程。该文进行了广泛的实验比较和分析,验证了该文方法优异的识别性能和较强的实用性能。
-
关键词
人体目标再识别
特征融合
空间直方图
区域协方差
-
Keywords
Person re-identification
Feature fusing
Spatiogram
Region covariance
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名颜色特征和超像素特征融合的人体目标再识别
被引量：2
- 2
-
-
作者
宋亚玲
张良
-
机构
中国民航大学天津市智能信号与图像处理重点实验室
-
出处
《信号处理》
CSCD
北大核心
2015年第10期1378-1382,共5页
-
基金
国家自然科学基金资助课题(61179045)
-
文摘
在非重叠视域的多摄像机监控系统中,人体目标再识别有着重要的应用。针对再识别过程中面临的光照变化、视角变化、姿态变化、遮挡等问题,提出了融合全局颜色特征和超像素特征的方法,对颜色特征和超像素特征分配不同的权重,进行人体目标间的相似性度量。超像素特征是将前景图像分割成多个超像素,采用密集采样SIFT特征结合单词包(Bag-of-Words)框架对每个超像素进行描述。将得到的超像素特征和全局颜色特征结合建立人体目标模型,分别使用EMD(Earth Mover’s Distance)距离和巴氏距离度量目标间的相似性。对多个数据库进行实验,结果证明,该算法具有较高的识别率。
-
关键词
非重叠多摄像机
人体目标再识别
颜色特征
超像素特征
-
Keywords
non-overlapping multi-camera
person re-identification
color features
superpixels features
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名多特征融合的人体目标再识别
被引量：25
- 3
-
-
作者
范彩霞
朱虹
蔺广逢
罗磊
-
机构
西安理工大学
-
出处
《中国图象图形学报》
CSCD
北大核心
2013年第6期711-717,共7页
-
基金
国家国际科技合作专项基金项目(2011DFR10480)
-
文摘
在非重叠的多摄像机监控系统中,人体目标再识别是需要解决的主要问题之一。针对当前人体目标再识别使用目标的外观统计特征或者通过训练获取目标特征时存在的问题,提出一种无需训练,对视角、光照变化和姿态变化具有较强鲁棒性的基于多特征的人体目标再识别算法。首先根据空间直方图建立目标整体外观表现模型对目标进行粗识别,之后将人体目标分为3部分,忽略头部信息,分别提取躯干和腿部的主色区域的局部颜色和形状特征,并通过EMD(earth movers distance)距离进行目标精识别。实验结果表明,本文算法具有较高的识别率,且不受遮挡和背景粘连的影响。
-
关键词
非重叠多摄像机
人体目标再识别
空间直方图
局部特征
-
Keywords
non-overlapping multi-cameras
person re-identification
spatiograms
local features
-
分类号
TP394.1
[自动化与计算机技术—计算机应用技术]
-
-
题名整合全局——局部度量学习的人体目标再识别
被引量：4
- 4
-
-
作者
张晶
赵旭
-
机构
上海交通大学自动化系
-
出处
《中国图象图形学报》
CSCD
北大核心
2017年第4期472-481,共10页
-
基金
国家自然科学基金项目(61273285,61673269,61375019)~~
-
文摘
目的人体目标再识别的任务是匹配不同摄像机在不同时间、地点拍摄的人体目标。受光照条件、背景、遮挡、视角和姿态等因素影响,不同摄相机下的同一目标表观差异较大。目前研究主要集中在特征表示和度量学习两方面。很多度量学习方法在人体目标再识别问题上了取得了较好的效果,但对于多样化的数据集,单一的全局度量很难适应差异化的特征。对此,有研究者提出了局部度量学习,但这些方法通常需要求解复杂的凸优化问题,计算繁琐。方法利用局部度量学习思想,结合近几年提出的XQDA(cross-view quadratic discriminant analysis)和MLAPG(metric learning by accelerated proximal gradient)等全局度量学习方法,提出了一种整合全局和局部度量学习框架。利用高斯混合模型对训练样本进行聚类,在每个聚类内分别进行局部度量学习;同时在全部训练样本集上进行全局度量学习。对于测试样本,根据样本在高斯混合模型各个成分下的后验概率将局部和全局度量矩阵加权结合,作为衡量相似性的依据。特别地,对于MLAPG算法,利用样本在各个高斯成分下的后验概率,改进目标损失函数中不同样本的损失权重,进一步提高该方法的性能。结果在VIPeR、PRID 450S和QMUL GRID数据集上的实验结果验证了提出的整合全局—局部度量学习方法的有效性。相比于XQDA和MLAPG等全局方法,在VIPeR数据集上的匹配准确率提高2.0%左右,在其他数据集上的性能也有不同程度的提高。另外,利用不同的特征表示对提出的方法进行实验验证,相比于全局方法,匹配准确率提高1.3%3.4%左右。结论有效地整合了全局和局部度量学习方法,既能对多种全局度量学习算法的性能做出改进,又能避免局部度量学习算法复杂的计算过程。实验结果表明,对于使用不同的特征表示,提出的整合全局—局部度量学习框架均可对全局度量学习方法做出改进。
-
关键词
人体目标再识别
度量学习
局部度量学习
整合全局一局部度量学习
高斯混合模型
-
Keywords
person re-identification
metric learning
local metric learning
integrated global-local metric learning
Gaussian mixture model
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
