基于卷积特征的场景地标检索方法

针对场景中地理目标的检索任务主要解决在视角变化、光照变化甚至遮挡等情况下对地理目标的检索匹配问题,也称为实例目标检索,使用高性能的卷积网络构建用于实例目标检索任务的三输入孪生网络架构,采用三元组损失函数进行训练,并使用区域建议网络准确定义目标区域,生成准确并具有鲁棒性且固定长度的图像特征向量。检索时根据地理场景的特点采用图像全局特征进行粗检索,采用局部特征进行精检索,并配合查询扩展的方法实现了精确的实例目标检索结果。实验表明,所提方法与其他具有代表性的检索方法相比,在公开数据集测试中取得了有竞争力的结果。

显著性时空特征融合的多视角步态识别算法

行人步态是一种具有唯一标识行人身份能力的生物特征,可以使用视频监控系统中的行人步态远距离识别行人身份,如何有效提取监控视频中行人的多视角步态特征是一个具有挑战性的问题。本文设计了一个孪生LSTM网络架构,用于完成多拍摄视角下的步态识别任务。本文方法优点:①设计了一个框架融合步态序列显著的空间特征和时序特征进行多视角步态识别;②设计了时序总结孪生LSTM架构自动学习不同视角下步态序列的显著周期性运动特征;③分析了LSTM的层数、隐藏单元数量与识别准确率的关系,定量评价了相同视角和交叉视角下的步态识别性能。实验结果表明,本文方法在OULP-C1V1-A步态数据集上相同视图和交叉视角下都取得了良好的步态识别性能。