基于增强聚合通道特征的实时行人重识别
由于目标姿态、摄像头角度、光线条件等因素的影响,行人重识别仍然是一个具有挑战性的问题.目前大多数方法主要注重提高重识别精度,对实时性考虑较少.因此,本文提出了一种基于增强聚合通道特征(ACF)的实时行人重识别算法.利用ACF对行人进行检测,并在此基础上,结合直方图特征和纹理特征构成增强ACF,作为行人重识别的特征描述子.利用测度学习方法对重识别模型进行训练.在4个数据集上的实验结果表明,与传统的重识别特征相比,提出的特征描述子逼近最好的重识别准确率,并且具有更快的计算速度.整个行人检测与重识别系统的运行速度达到10frame·s-1以上,基本可以满足实时行人重识别的需求.
图像处理、实时行人重识别、增强聚合通道特征、测度学习、深度学习
54
TP391(计算技术、计算机技术)
国家自然科学基金;吉林省教育厅十三五科学技术研究项目
2018-07-30(万方平台首次上网日期,不代表论文的发表时间)
共9页
113-121