基于PCA降维的多特征行人再识别

早期的行人再识别主要通过全局特征进行图像检索,使用全局特征的方法遇到了瓶颈后,对局部特征的研究渐渐成为一种趋势。广义上来说,局部特征属于多特征。对来自同一张特征图的局部特征和全局特征,局部特征的数量较多,可以包含更多的信息,在一定程度上更容易取得较高的性能。文章使用全局特征训练的模型作为基线,在此基础上通过主成分分析进行多特征提取,从而完成再识别任务。在Market1501、CUHK03和DukeMTMC-reID上的实验表明,基于全局特征的行人检索的rank-1明显高于大多数方法但mAP略低;基于多特征的改进方法 rank-1比前者稍有提高,mAP有明显提高。

基于尺度预测的相关滤波器目标跟踪算法

目标跟踪是计算机视觉中的关键问题,有着广泛的应用,由于现实场景中仍存在着众多问题,目标跟踪仍然具有巨大的研究价值。针对传统的核相关滤波器(KCF)算法在跟踪过程中存在的问题,文章提出一种结合位置相关滤波器和尺度相关滤波器的目标跟踪算法,同时依据跟踪效果,采取了自适应的模型更新策略。文章选取了公开视频序列进行测试,相较于KCF算法跟踪准确率提高了10%,尤其在光照变化、目标尺度变化等情况下有较强的适应性。