增量学习灰度与轮廓模板的行人跟踪方法

为了解决云台摄像机的行人跟踪问题,提出了一种基于粒子滤波的行人跟踪算法.该方法在目标灰度模板以外,学习并更新行人目标的轮廓模板.考虑到行人轮廓因为视角变化可能发生的突然改变,算法准备了多套从不同视角观测的轮廓模板,并且逐渐更新它们使之可以逐渐捕捉目标的轮廓特征.在多段云台摄像机拍摄的监控视频上测试了所提出的算法.实验结果显示,该算法比其他先进的跟踪算法有更长的准确跟踪时间.

结合轮廓粗筛和HOG细分的快速行人检测方法

为解决现有行人检测方法虚警率高、运算效率低的问题,提出一种快速行人检测方法。首先,依靠轮廓的几何特征进行第一层粗筛选,依据轮廓的不变矩特征进行第二层粗筛选,剔除干扰目标,降低虚警率。在此基础上,裁剪图像上的可疑图像块,仅在可疑图像块上提取HOG特征,并结合线性支持向量机进行特征分类,进一步降低虚警率。同时由于大幅减少了提取HOG特征的数量,从而提高了运算效率。仿真实验在INRIA数据集上进行训练,在Caltech数据集上进行验证。结果表明,该方法的行人检测虚警率低,运算效率高。

基于颜色和变形模板的实时人体检测

针对目前人体检测算法存在不能检测多角度人体目标以及实时性差等问题,提出了一种在静态图像中实时检测任意角度人体目标的算法。该算法分别利用目标颜色和轮廓两类特征构造两种检测器。颜色检测器首先进行基于面部肤色和头部发色的彩色分割,然后引入积分图像算法快速提取分割后的图像头部目标区域。轮廓检测器利用头肩轮廓形状的稳健性,用参数化变形模板对头肩轮廓建模,该模板由两个存在几何尺度和位置约束的椭圆构成,再定义两个不同计算复杂度的模板匹配策略对人体头肩部分进行分级检测。最后利用上述两种检测器构建一个级联检测系统,级联检测结构大大提高了算法的速度,使算法可以对分辨率为352×288的图像做30 fps的实时检测,实验结果表明,该算法是切实有效的。

多尺度空间的自动形状模型的构造算法

提出一种基于多尺度的轮廓模型自动构造算法,可归纳出有形变的物体的轮廓结构.对于噪声及形变程度差异较大的轮廓,首先用多尺度的方法将轮廓分段匹配,根据每段曲线上的噪声和形变程度选择合适的滤波尺度;然后对由轮廓匹配得到的曲线段的对应关系进行归纳调整,得到它们的通用结构模型.该算法适用于对一类具有相同结构但局部存在不同程度噪声和形变的闭合轮廓建立模型,将其用在行人轮廓的建模上取得了较好的效果.

基于Cauchy模型的行人轮廓提取及目标检测

为了提高行人目标轮廓参量的提取精准度数值,实现对待监测目标的实时稳定跟踪,提出基于Cauchy模型的行人轮廓提取及目标检测算法;基于Cauchy分布原理,估计行人轮廓目标的最大似然值,再结合计算第二类统计量方法,完成基于Cauchy模型的行人目标统计建模;在此基础上,建立卷积神经网络,利用卷积化与反卷积参量,提取Gabor行人轮廓特征;在目标图像分割理论的作用下,识别既定区域内的所有行人目标,持续标记各类已存在的行人目标,实时检测行人轮廓目标,实现基于Cauchy模型行人轮廓提取及目标检测;实验结果表明,与Kinect型检测算法相比,应用Cauchy型算法后,行人目标轮廓的检测精度值提高至93%,而PTR实测指标降低至3.97,可有效实现待监测行人轮廓目标的实时稳定跟踪。

双粒度特征融合网络的跨模态行人再识别

目的可见光—红外跨模态行人再识别旨在匹配具有相同行人身份的可见光图像和红外图像。现有方法主要采用模态共享特征学习或模态转换来缩小模态间的差异,前者通常只关注全局或局部特征表示,后者则存在生成模态不可靠的问题。事实上,轮廓具有一定的跨模态不变性,同时也是一种相对可靠的行人识别线索。为了有效利用轮廓信息减少模态间差异,本文将轮廓作为辅助模态,提出了一种轮廓引导的双粒度特征融合网络,用于跨模态行人再识别。方法在全局粒度上,通过行人图像到轮廓图像的融合,用于增强轮廓的全局特征表达,得到轮廓增广特征。在局部粒度上,通过轮廓增广特征和基于部件的局部特征的融合,用于联合全局特征和局部特征,得到融合后的图像表达。结果在可见光—红外跨模态行人再识别的两个公开数据集对模型进行评估,结果优于一些代表性方法。在SYSU-MM01(Sun Yat-sen University multiple modality 01)数据集上,本文方法rank-1准确率和平均精度均值(mean average precision,mAP)分别为62.42%和58.14%。在RegDB(Dongguk body-based person recognition database)数据集上,本文方法rank-1和mAP分别为84.42%和77.82%。结论本文将轮廓信息引入跨模态行人再识别,提出一种轮廓引导的双粒度特征融合网络,在全局粒度和局部粒度上进行特征融合,从而学习具有判别性的特征,性能超过了近年来一些具有代表性的方法,验证了轮廓线索及其使用方法的有效性。