非重叠多摄像机目标识别方法研究

多摄像机间的目标识别是非重叠多摄像机监控系统中目标持续跟踪的关键。提出一种只依赖于目标外观模型,不依赖于目标的捕获时间和路径限制的目标识别方法。通过提取三个互补的特征建立目标外观模型,这些特征包括全局色彩特征、局部颜色和梯度特征以及全局纹理特征,并通过多特征融合实现目标识别。所提出的方法不仅能用于单幅图像的目标识别,也能用于视频或图像序列的目标识别。通过基于VIPeR数据库和ETHZ数据库实验得到的累计匹配特征(CMC)曲线表明所提出的算法对视角、姿态、遮挡和光照的变化具有一定的鲁棒性,能够达到较高的识别率。

颜色特征和超像素特征融合的人体目标再识别

在非重叠视域的多摄像机监控系统中,人体目标再识别有着重要的应用。针对再识别过程中面临的光照变化、视角变化、姿态变化、遮挡等问题,提出了融合全局颜色特征和超像素特征的方法,对颜色特征和超像素特征分配不同的权重,进行人体目标间的相似性度量。超像素特征是将前景图像分割成多个超像素,采用密集采样SIFT特征结合单词包(Bag-of-Words)框架对每个超像素进行描述。将得到的超像素特征和全局颜色特征结合建立人体目标模型,分别使用EMD(Earth Mover’s Distance)距离和巴氏距离度量目标间的相似性。对多个数据库进行实验,结果证明,该算法具有较高的识别率。

基于距离匹配的行人再识别技术综述

行人再识别是指给定一张行人图像,在已有的可能来源于非交叠摄像机视场的行人图像库中,识别出与此人相同的图像。研究该问题有着非常重要的现实意义,同时也面临许多挑战。它是智能视频监控中的一项关键任务,是近年来计算机视觉领域中一直备受关注的研究热点,适用于安防以及公共场所寻人等技术领域。距离度量是行人再识别技术中存在的核心问题之一。对现有的基于距离匹配的行人再识别方法进行评述,并分析其中具有代表性方法的优缺点,介绍了常用行人数据库的特点,然后总结现阶段行人再识别研究所面临的挑战,最后对行人再识别技术的未来发展方向进行了展望。

多特征融合的人体目标再识别

在非重叠的多摄像机监控系统中,人体目标再识别是需要解决的主要问题之一。针对当前人体目标再识别使用目标的外观统计特征或者通过训练获取目标特征时存在的问题,提出一种无需训练,对视角、光照变化和姿态变化具有较强鲁棒性的基于多特征的人体目标再识别算法。首先根据空间直方图建立目标整体外观表现模型对目标进行粗识别,之后将人体目标分为3部分,忽略头部信息,分别提取躯干和腿部的主色区域的局部颜色和形状特征,并通过EMD(earth movers distance)距离进行目标精识别。实验结果表明,本文算法具有较高的识别率,且不受遮挡和背景粘连的影响。