论文部分内容阅读
随着城市信息技术的应用水平不断提升,智能视频监控系统成为了城市安防工作的重点之一。由于行人再识别技术能够快速地从海量的监控数据中精准地查找到特定行人,所以得到了国内外研究人员的广泛关注。然而,实际监控场景的复杂性高,特别是在跨视域情况下,行人外表和姿态在运动过程中的变化大,使得行人再识别技术面临很多的问题与挑战。本文针对行人再识别中视觉角度和姿态变化的问题,提出一种基于特征融合和区域分割的行人再识别算法,同时针对实际再识别系统的特性,设计应用于识别的行人特征。论文的主要研究工作及创新点如下:1.针对因摄像机视角变化和姿态变化导致行人外观差异大的问题,提出了一种区域块分割与融合的行人再识别算法。首先设计了一种分割算法来捕获行人图像中较稳定的局部区域,然后通过不同特征的融合,充分获取行人图像关键区域的信息。接着提出了一种局部区域剔除算法,对图像中出现的干扰块区域进行剔除,这在一定程度上解决了摄像机视角改变带来的外观差异,并提高了行人的匹配率。2.构建了一个双任务的深度学习网络。将行人再识别任务的损失函数与行人属性识别任务的损失函数相结合,来共同训练卷积网络,更好地完成行人再识别任务和属性识别任务。并通过该网络提取出应用于实际系统的行人的深度特征和属性特征。3.搭建了一个简单的跨摄像机行人身份与属性识别系统,完成了行人检索和行人属性识别的主要任务。针对实际监控场景下光照不足导致图像灰暗的问题,改进了一种图像增强算法,对质量不好的行人图像进行处理与增强,从而能够更好地协助行人识别任务的完成。