基于外觀特征和距離測(cè)度學(xué)習(xí)的無(wú)重疊視域目標(biāo)匹配技術(shù)研究.pdf

1、近年來(lái)基于多攝像機(jī)的智能監(jiān)控系統(tǒng)受到越來(lái)越多的關(guān)注。智能監(jiān)控系統(tǒng)的目標(biāo)匹配包括了重疊視域目標(biāo)匹配和無(wú)重疊視域目標(biāo)匹配。無(wú)重疊視域的監(jiān)控范圍大，具有更好的應(yīng)用價(jià)值，但由于監(jiān)控環(huán)境變化使得匹配更為困難，具有很大的挑戰(zhàn)性。無(wú)重疊視域目標(biāo)匹配由于場(chǎng)景間沒(méi)有重疊的部分，同一個(gè)目標(biāo)在不同的場(chǎng)景中會(huì)由于時(shí)間差異而發(fā)生很多變化，同時(shí)攝像機(jī)拍攝的角度也可能不同，這些為無(wú)重疊視域的目標(biāo)匹配增加了難度。本文針對(duì)以上問(wèn)題，對(duì)無(wú)重疊視域的目標(biāo)匹配算法進(jìn)行了一定研

2、究。主要內(nèi)容和創(chuàng)新點(diǎn)如下：
　?。?）顏色特征是重要的外觀特征，但對(duì)環(huán)境光照變化敏感，對(duì)于無(wú)重疊視域的目標(biāo)匹配，場(chǎng)景間存在亮度的變化。使用亮度轉(zhuǎn)換函數(shù)可以修正不同場(chǎng)景間亮度的變化，但對(duì)于同一場(chǎng)景有多個(gè)亮度區(qū)域的情況卻無(wú)能為力，本文提出了基于混合概率主成分分析的方法學(xué)習(xí)亮度轉(zhuǎn)換空間，解決了一個(gè)場(chǎng)景中含有多個(gè)亮度區(qū)域的亮度轉(zhuǎn)換問(wèn)題，然后提取顏色特征進(jìn)行目標(biāo)匹配。
　?。?）由于顏色特征本身不包含空間分布信息，對(duì)于具有相同顏色特征

3、的不同目標(biāo)會(huì)誤匹配。本文提出了使用顏色直方圖、主顏色譜直方圖、方向梯度直方圖特征融合的方法構(gòu)造特征向量，提高目標(biāo)匹配的魯棒性。同時(shí)，由于主顏色譜直方圖的顏色空間維度過(guò)高，通過(guò)對(duì)每個(gè)顏色分量降維，實(shí)現(xiàn)了對(duì)顏色空間的降維，降低了特征向量的計(jì)算復(fù)雜度。
　　（3）圖像的底層特征和高層語(yǔ)義間往往存在巨大的語(yǔ)義差異，所以使用不同的特性向量距離計(jì)算方法對(duì)目標(biāo)匹配的正確率造成較大的影響。本文使用距離測(cè)度學(xué)習(xí)算法對(duì)特征向量學(xué)習(xí)一種距離計(jì)算方法。針

4、對(duì)樣本少、特征維度高易于產(chǎn)生距離測(cè)度學(xué)習(xí)過(guò)擬合情況，本文提出一種有效地解決方法，即將高維的特征向量分解成多個(gè)低維的特征向量，對(duì)低維的特征向量分別進(jìn)行距離測(cè)度學(xué)習(xí)，并且通過(guò)特征的類內(nèi)與類間距離比將多個(gè)特征融合，既提高了目標(biāo)匹配的正確率還降低了計(jì)算復(fù)雜度。
　?。?）基于以上研究成果，提出了融合外觀特征和距離測(cè)度學(xué)習(xí)的無(wú)重疊視域綜合目標(biāo)匹配算法，在線下階段計(jì)算亮度轉(zhuǎn)換函數(shù)、距離測(cè)度矩陣、特征權(quán)重；在線上階段提取目標(biāo)的特征向量，計(jì)算特征