实时人员再辨识关键技术

• 作 者: 赵文杰
• 机 构: 北京邮电大学
• 出 处: 北京邮电大学
• 发表日期: 2014年01期
• 关键词: 目标再辨识 实时 重排序 排序支持向量机 查询扩展

计算机视觉及模式识别领域发展迅猛,诸多技术已经应用于日常生活之中,这些新技术在潜移默化地改变着我们的生活方式的同时也使人们对新技术的革新有了更多的期待。随着摄像头网络在公共场所布设范围日益扩大,公共安全以及公共监控受到越来越多的重视,如何有效利用录像信息进行公共安全监控与刑事侦测,成为一个日益凸显的问题。人员目标再辨识(Person Re-identification)技术即在此背景下提出,主要致力于在单个或多个摄像头中完成对目标的搜索与识别。本文针对实际高清监控环境以及标准图片库分别提出了两种再辨识方案,主要工作包括：1.搭建了一个面向海量高清监控视频的实时人体辨识系统。(1)根据人体上下半身穿着相对稳定且符合黄金分割定律的特点而将目标按上下半身6：4比例分割,分别提取特征进行匹配；(2)提出了一种三级搜索机制逐层过滤缩小搜索范围,首先通过前景提取滤除背景干扰,而后利用主颜色特征减少杂色干扰,最后通过对目标区域颜色与纹理特征的匹配,最终输出结果；(3)为应对尺度问题,本文在视频中加入先验知识,将目标在视频中出现的位置与其搜索尺度相联系,实现更加精准的匹配和识别：(4)在TRECVID数据集与实际监控视频中均进行了测试,识别率约90%,而且平均1秒钟可以处理25帧以上图像,满足实时性要求；(5)本文将系统移植到Hadoop分布式平台后,三个Map与单个Map相比,处理速度提升46%。2.提出了一种基于Ranking SVM及样本扩展的人体再辨识算法。(1)首先对目标提取RGB、HSV、LAB直方图及LBP特征,利用简单的欧氏距离比较进行初步排序,而后根据已知的排序结果利用Rank SVM进行第二次排序；(2)利用已知的排序信息来模拟搜索引擎中的‘点击’行为,根据点击目标进行查询扩展,从而弥补了原有单一目标的不足,均衡最终搜索误差。在ETHZ数据库上的实验结果表明,通过重排序可以有效提升结果排名,而人机交互式信息的引入也更能够符合未来智能处理及人机互动交流的需求。