基於多圖學習的無約束行人再識別

《基於多圖學習的無約束行人再識別》是依託華中科技大學，由安樂擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：基於多圖學習的無約束行人再識別
• 項目類別：青年科學基金項目
• 項目負責人：安樂
• 依託單位：華中科技大學

中文摘要

行人再識別是指給定查詢行人圖像，在已有的行人資料庫中識別出與此人匹配的圖像。作為安全監控領域的一項重要技術，行人再識別在學術界和工業界都得到了廣泛關注。現有的方法多是基於特徵描述設計或者距離度量學習來實現更準確的匹配。但在實際套用中，由於不同相機中所獲取的圖像存在解析度、行人姿態、光照、尺度、遮擋等差異，精準的識別並匹配不同相機中的行人是一項非常困難的任務，而現有方法難以達到較高精度。針對這一問題，本課題提出在多圖學習框架下的無約束行人再識別方法，利用在多尺度下提取的多樣特徵，首先實現查詢圖像和行人資料庫中圖像局部特徵的精確匹配，然後通過多圖最佳化和融合的手段來學習查詢圖像和行人資料庫中圖像的全局相似度，從而實現魯棒精準的行人再識別。

結題摘要

隨著熱點地區人口密度的加大以及視頻監控設備的大範圍部署，出於社會安全的考慮，人群監控和視頻分析在近些年有了極大的需求。其中一項重要的任務就是行人再識別。該任務是指給定查詢行人圖像，在已有的行人資料庫中識別出與此人匹配的圖像。早期提出行人再識別的方法首先基於行人檢測，並在檢測到的區域進行傳統視覺特徵提取，包括顏色，材質等特徵，而匹配則是基於對行人特徵的度量計算。在實際套用中，受到圖像解析度、姿態、光照、尺度、遮擋等影響，這些方法普遍難以達到精準的效果。 針對這一問題，本課題提出在多圖學習框架下的無約束行人再識別方法，對於行人圖像進行多尺度特徵提取，然後將行人匹配這一問題轉化為為圖最佳化問題，並融合多種特徵，構建多圖同時最佳化，從而實現魯棒精準的的行人再識別。該項目實驗基於學術界公開數據集，識別精度達到了領先水平，成果發表在IEEE Transactions on Circuits and Systems for Video Technology，IEEE Transactions on Neural Networks and Learning Systems等一流期刊以及學術會議。於此同時，研究成功具有實際套用價值，能夠部署在現有視頻監控系統中。