基于詞袋模型與行人屬性的行人再識(shí)別算法.pdf

1、近年來，隨著視頻監(jiān)控系統(tǒng)大量普及，視頻分析技術(shù)在公共安全保障與刑事偵測(cè)中發(fā)揮越來越關(guān)鍵的作用。無重疊視域下的行人檢索問題，即行人再識(shí)別問題己成為了如今安防領(lǐng)域中的重要研究課題。因此建立一個(gè)具有良好魯棒性與穩(wěn)定性的行人再識(shí)別算法對(duì)于理論研究和實(shí)際應(yīng)用都有著重要的意義。
　　本文基于詞袋模型與行人語義屬性，研究了行人再識(shí)別算法，主要研究?jī)?nèi)容如下。
　　(1)提出了一種基于詞袋模型與多特征匹配結(jié)果綜合排序的行人再識(shí)別算法。首先，針

2、對(duì)傳統(tǒng)詞袋模型存在的不足，將行人目標(biāo)在垂直方向按比例劃分，結(jié)合人體工學(xué)中的先驗(yàn)知識(shí)確定各部分的權(quán)重，并根據(jù)特征位置計(jì)算圖像相似度。該算法提取的局部特征不僅結(jié)合了整體結(jié)構(gòu)的信息和知識(shí)，而且可以通過低維度的視覺詞特征進(jìn)行匹配計(jì)算，計(jì)算復(fù)雜度較低，符合實(shí)際應(yīng)用需求。此外，在基于詞袋模型算法的基礎(chǔ)上，提出了一種基于多特征匹配結(jié)果綜合排序的方法。通過計(jì)算樣本在若干特征得到的排序列表中的位置確定每個(gè)樣本的權(quán)重，進(jìn)而提高識(shí)別準(zhǔn)確率。提出的方法在VIP

3、eR與Market-1501數(shù)據(jù)集上進(jìn)行了測(cè)試，并與現(xiàn)有同類方法進(jìn)行了比較，實(shí)驗(yàn)結(jié)果表明第一識(shí)別準(zhǔn)確率都有所提升。
　　(2)提出了一種融合行人語義屬性特征與底層視覺特征的行人再識(shí)別算法。首先通過SVM分類器構(gòu)造屬性預(yù)測(cè)模型得到行人語義屬性特征。然后結(jié)合行人屬性之間的相關(guān)性修正語義屬性特征。最后提出了基于語義屬性特征和度量學(xué)習(xí)的相似度計(jì)算方法。該算法在VIPeR與GRID數(shù)據(jù)集上進(jìn)行了測(cè)試，結(jié)果表明，語義屬性特征彌補(bǔ)了底層視覺特征