智能視頻監(jiān)控系統(tǒng)中的行人重識別方法研究.pdf

1、隨著視頻采集技術(shù)和大規(guī)模數(shù)據(jù)存儲技術(shù)的快速發(fā)展，大型攝像機網(wǎng)絡(luò)越來越多地被部署在公共場所，傳統(tǒng)的人工監(jiān)控技術(shù)已難以應(yīng)對由此產(chǎn)生的海量視頻，智能視頻監(jiān)控技術(shù)成為解決這一問題的主要途徑。作為智能視頻監(jiān)控領(lǐng)域新興的課題，行人重識別（Person Re-identification）引起了研究人員的廣泛關(guān)注。行人重識別是指給定一幅行人圖像，在已有的可能來源于非重疊攝像機視域的圖像或視頻序列中，識別出目標行人。行人重識別的圖像一般來源于不同的攝像

2、頭，因此面臨視角變化、姿態(tài)變化、尺度變化和光照變化等帶來的挑戰(zhàn)。如何準確高效的進行行人重識別，是該課題當(dāng)前的研究方向。
　　本文針對智能視頻監(jiān)控系統(tǒng)中的行人重識別問題進行了研究，首先采用背景差分技術(shù)提取監(jiān)控視頻中運動的行人，然后采用主顏色比對和特征點匹配的方法對行人進行重識別，當(dāng)檢測到目標行人后，采用跟蹤的方法進行識別。最后，設(shè)計并實現(xiàn)了一款行人重識別系統(tǒng)。
　　在行人檢測方面，設(shè)計了一種Lab顏色空間下的Vibe行人檢測方

3、法。首先采用改進的Vibe算法建立視頻場景的背景模型，將當(dāng)前幀與背景模型做差分，得到運動前景;然后根據(jù)人體工程學(xué)理論從運動前景中提取人體。其中，針對Vibe算法對光照變化和物體陰影敏感、提取的運動區(qū)域不完整的問題，采用帶權(quán)重的CIE1976 Lab色差公式度量像素點與樣本點之間的距離，并利用像素間的空間一致性對檢測結(jié)果進行修正，達到了較好的檢測效果。
　　在行人重識別方面，提出了一種基于HSV顏色空間和特征點匹配的行人重識別算法。

4、首先根據(jù)改進的HSV空間顏色量化策略，比對兩幅行人圖像的軀干和腿部主顏色是否一致，以快速確定備選目標;然后對備選目標，利用環(huán)形Gabor濾波器組生成多尺度圖像，再利用FAST與Shi-Tomasi組合算法提取特征點，對檢測到的特征點采用改進的BRIEF算法進行描述，之后利用暴力算法和隨機抽樣一致性算法進行特征點匹配與提純。實驗結(jié)果表明，該算法具有尺度不變性、旋轉(zhuǎn)不變性，而且對視角變化和圖像噪聲有極強的魯棒性，達到了較高的識別準確率和較快

5、的執(zhí)行速度。
　　在行人跟蹤識別方面，研究了一種增強型均值漂移跟蹤算法。采用變化的核函數(shù)帶寬進行跟蹤，在目標未被遮擋的情況下更新目標模型，并且引入卡爾曼濾波器預(yù)測目標位置，有效的適應(yīng)了目標的尺度變化，具有良好的抗遮擋能力，并且達到了圖像的實時處理要求。
　　最后，利用Microsoft Visual Studio2010結(jié)合OpenCV開源庫設(shè)計了一款具備語義識別和示例圖像識別功能的基于MFC對話框的行人重識別系統(tǒng)。系統(tǒng)包含