智能視頻監(jiān)控系統(tǒng)中的行人重識(shí)別方法研究.pdf

1、隨著視頻采集技術(shù)和大規(guī)模數(shù)據(jù)存儲(chǔ)技術(shù)的快速發(fā)展，大型攝像機(jī)網(wǎng)絡(luò)越來越多地被部署在公共場(chǎng)所，傳統(tǒng)的人工監(jiān)控技術(shù)已難以應(yīng)對(duì)由此產(chǎn)生的海量視頻，智能視頻監(jiān)控技術(shù)成為解決這一問題的主要途徑。作為智能視頻監(jiān)控領(lǐng)域新興的課題，行人重識(shí)別（Person Re-identification）引起了研究人員的廣泛關(guān)注。行人重識(shí)別是指給定一幅行人圖像，在已有的可能來源于非重疊攝像機(jī)視域的圖像或視頻序列中，識(shí)別出目標(biāo)行人。行人重識(shí)別的圖像一般來源于不同的攝像

2、頭，因此面臨視角變化、姿態(tài)變化、尺度變化和光照變化等帶來的挑戰(zhàn)。如何準(zhǔn)確高效的進(jìn)行行人重識(shí)別，是該課題當(dāng)前的研究方向。
　　本文針對(duì)智能視頻監(jiān)控系統(tǒng)中的行人重識(shí)別問題進(jìn)行了研究，首先采用背景差分技術(shù)提取監(jiān)控視頻中運(yùn)動(dòng)的行人，然后采用主顏色比對(duì)和特征點(diǎn)匹配的方法對(duì)行人進(jìn)行重識(shí)別，當(dāng)檢測(cè)到目標(biāo)行人后，采用跟蹤的方法進(jìn)行識(shí)別。最后，設(shè)計(jì)并實(shí)現(xiàn)了一款行人重識(shí)別系統(tǒng)。
　　在行人檢測(cè)方面，設(shè)計(jì)了一種Lab顏色空間下的Vibe行人檢測(cè)方

3、法。首先采用改進(jìn)的Vibe算法建立視頻場(chǎng)景的背景模型，將當(dāng)前幀與背景模型做差分，得到運(yùn)動(dòng)前景;然后根據(jù)人體工程學(xué)理論從運(yùn)動(dòng)前景中提取人體。其中，針對(duì)Vibe算法對(duì)光照變化和物體陰影敏感、提取的運(yùn)動(dòng)區(qū)域不完整的問題，采用帶權(quán)重的CIE1976 Lab色差公式度量像素點(diǎn)與樣本點(diǎn)之間的距離，并利用像素間的空間一致性對(duì)檢測(cè)結(jié)果進(jìn)行修正，達(dá)到了較好的檢測(cè)效果。
　　在行人重識(shí)別方面，提出了一種基于HSV顏色空間和特征點(diǎn)匹配的行人重識(shí)別算法。

4、首先根據(jù)改進(jìn)的HSV空間顏色量化策略，比對(duì)兩幅行人圖像的軀干和腿部主顏色是否一致，以快速確定備選目標(biāo);然后對(duì)備選目標(biāo)，利用環(huán)形Gabor濾波器組生成多尺度圖像，再利用FAST與Shi-Tomasi組合算法提取特征點(diǎn)，對(duì)檢測(cè)到的特征點(diǎn)采用改進(jìn)的BRIEF算法進(jìn)行描述，之后利用暴力算法和隨機(jī)抽樣一致性算法進(jìn)行特征點(diǎn)匹配與提純。實(shí)驗(yàn)結(jié)果表明，該算法具有尺度不變性、旋轉(zhuǎn)不變性，而且對(duì)視角變化和圖像噪聲有極強(qiáng)的魯棒性，達(dá)到了較高的識(shí)別準(zhǔn)確率和較快

5、的執(zhí)行速度。
　　在行人跟蹤識(shí)別方面，研究了一種增強(qiáng)型均值漂移跟蹤算法。采用變化的核函數(shù)帶寬進(jìn)行跟蹤，在目標(biāo)未被遮擋的情況下更新目標(biāo)模型，并且引入卡爾曼濾波器預(yù)測(cè)目標(biāo)位置，有效的適應(yīng)了目標(biāo)的尺度變化，具有良好的抗遮擋能力，并且達(dá)到了圖像的實(shí)時(shí)處理要求。
　　最后，利用Microsoft Visual Studio2010結(jié)合OpenCV開源庫(kù)設(shè)計(jì)了一款具備語(yǔ)義識(shí)別和示例圖像識(shí)別功能的基于MFC對(duì)話框的行人重識(shí)別系統(tǒng)。系統(tǒng)包含