视场情景下印刷智能工厂的行人重识别研究

发布时间：2023-10-29 12:09

　　为了实现印刷智能工厂中员工的智能化管理,需要一套智能的行人重识别系统。行人重识别,即在多摄像机网络中将目标对象与其他行人进行匹配。行人重识别使我们可以在多个摄像机中找到同一个感兴趣的目标,在智能工厂中具有广泛的应用价值。由于多种不确定性因素的影响,行人重识别现在还是一个具有很大难度的课题。监控视频中,行人不同的身体姿态、不同的光照条件和不同的视角条件下的显著视觉变化,使得行人自身的变化比行人之间的变化更大。此外,背景杂波和遮挡也会造成额外的困难。本课题受陕西北人印刷机械有限公司的委托,研究印刷智能工厂中,行人信息快速提取和准确识别的问题。本文开展了以下工作:(1)本文提出了一种基于多特征加权距离度量的行人重识别方法。首先,利用人体分区提取多个局部特征,建立了基于多个特征的特征向量,并给出了一种加权的距离度量方法。其次,利用训练集与测试集图像之间的相似性关系,提出了一个排名优化框架。实验中,本文在iLIDS与VIPeR数据集上验证了所提方法的有效性,然后又在上述两个数据集上验证了排名优化的效果,并与多种方法进行了比较,结果表明所提出的方法对视角、姿态等具有较强的鲁棒性,在iLIDS数据集...

【文章页数】：57 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景
    1.2 国内外研究概述
        1.2.1 基于视觉特征的方法概述
        1.2.2 基于生物特征的方法概述
    1.3 主要研究内容
2 行人重识别理论
    2.1 行人重识别系统
    2.2 尺度不变特征变换(SIFT)介绍
    2.3 高斯映射与高斯曲率
    2.4 行人重识别常用距离函数
    2.5 本章小结
3 基于多特征加权距离度量的行人重识别算法设计研究
    3.1 算法流程设计
    3.2 行人图像预处理
    3.3 基于多特征融合的特征表示模型的建立
        3.3.1 SIFT特征与颜色特征的提取
        3.3.2 轮廓特征的提取
        3.3.3 Haralick纹理特征的提取
    3.4 基于马氏距离函数的加权距离度量方法
        3.4.1 检测SIFT特征的匹配
        3.4.2 计算加权距离
    3.5 初始排名的优化
    3.6 实验分析
        3.6.1 实验环境
        3.6.2 数据集及评测方法
        3.6.3 在iLIDS数据集上的性能
        3.6.4 在iLIDS数据集与VIPeR数据集上验证所提方法与排名优化的效果
    3.7 本章小结
4 基于高斯映射的步态识别算法设计研究
    4.1 算法概述
    4.2 基于高斯映射的步态特征表示模型的建立
        4.2.1 高斯映射
        4.2.2 轮廓边界的平滑
        4.2.3 距离变换
        4.2.4 利用法向量直方图进行量化
    4.3 基于步态周期的距离度量方法
    4.4 实验分析
        4.4.1 实验环境
        4.4.2 数据集
        4.4.3 在USF步态数据集上的实验
        4.4.4 在CASIA-B步态数据集与OULP步态数据集上的实验
    4.5 本章小结
5.总结与展望
    5.1 总结
    5.2 展望
致谢
参考文献
攻读学位期间主要研究成果



本文编号：3858049