区域块分割与融合的行人再识别
目的 由于摄像机视角和成像质量的差异,造成行人姿态变化、图像分辨率变化和光照变化等问题的出现,从而导致同一行人在不同监控视频中的外观区别很大,给行人再识别带来很大挑战.为提高行人再识别的识别率,针对行人姿态变化问题,提出一种区域块分割和融合的行人再识别算法.方法 首先根据人体结构分布,将行人图像划分为3个局部区域.然后根据各区域在识别过程中的作用不同,将GOG(Gaussian of Gaussian)特征、LOMO(local maximal occurrence)特征和KCCA(Kernel canonical correlation analysis)特征的不同组合作为各区域特征.接着通过距离测度算法学习对应区域之间的相似度,并通过干扰块剔除算法消除图像中出现的无效干扰块,融合有效区域块的相似度.最后将行人图像对的全局相似度和各局部区域相似度进行融合,实现行人再识别.结果 在4个基准数据集VIPeR、GRID、PRID450S和CUHK01上进行了大量实验,其中Rank1(排名第1的搜索结果即为待查询人的比例)分别为62.85%、30.56%、71.82%和79.03%,Rank5分别为86.17%、51.20%、91.16%和93.60%,识别率均有显著提高,具有实际应用价值.结论 提出的区域块分割和融合方法,能够去除图像中的无用信息和干扰信息,同时保留行人的有效信息并高效利用.该方法在一定程度上能够解决行人姿态变化带来的外观差异问题,大幅度地提升识别率.
行人再识别、人体结构信息、区域块分割、干扰块剔除、区域块融合
24
TP391(计算技术、计算机技术)
国家自然科学基金项目61876056,61771180;安徽省重点研究与开发计划项目1704d0802183
2019-05-22(万方平台首次上网日期,不代表论文的发表时间)
共10页
513-522