跨摄像机的人体重现检测
文献类型：学位论文
| 作者 | 李浩 |
| 答辩日期 | 2012-05-29 |
| 文献子类 | 硕士 |
| 授予单位 | 中国科学院研究生院 |
| 授予地点 | 北京 |
| 导师 | 山世光 |
| 关键词 | 人体重现检测，非重叠多摄像机网络 多目标跟踪 跨视角人体识别 人体属性分析 基于属性的人体检索 |
| 学位专业 | 其它专业 |
| 英文摘要 | 随着视频监控网络被大量应用到各种公共场所，如商场，银行，交通路口，车站等，如何从海量视频监控数据自动提取有用信息变得越来越重要。视频监控网络一般采用多台摄像机覆盖多处不同的区域，往往这些区域没有重叠，这样就构成了非重叠多摄像机网络。跨摄像机的人体重现检测问题是指判断在某个场景某个时间段某人是否出现过，或者当一个目标从一个摄像机消失后又在另一个摄像机出现时，识别出该目标是曾经出现过的某个目标。跨摄像机人体重现检测问题也被称为跨摄像机人体跟踪或人体识别，其本质问题就是将不同摄像机下的同一目标关联起来，保持目标在不同摄像机下的身份一致性。 已有跨摄像机人体重现检测工作存在如下问题：1）往往脱离真实视频环境并假设通过检测与跟踪可以得到准确的人体序列，然而真实场景中稳定的人体检测与跟踪并非易事。完整的跨摄像机人体重现系统离不开人体检测，多目标跟踪。由于这些问题本身的复杂性，现有工作很少有完整的实时人体重现检测系统以及完整的性能评价；2）现有的静态图像跨视角人体识别工作并没有定量的给出特征或者方法的跨视角识别效果，且缺乏大规模数据库的验证支持；3）基于低层特征匹配的方法遇到了性能瓶颈，而高层属性特征具有较强的视角无关性与判别性。同时，很多视频监控应用场景中无法提供要查找的人体图像示例，而只有人体属性描述信息。 针对以上这些问题，本文致力于从视频中的人体跟踪与识别，静态图像跨视角人体识别，基于属性分析的人体检索和识别三个方面解决跨摄像机的人体重现问题。本文的主要贡献如下： 第一，针对视频中的人体重现检测问题，本文提出了基于P-N学习的多目标在线人体跟踪与识别框架-MultiTLD。该框架为每个人在线学习针对个体的分类器辅助跟踪与识别，利用跟踪结果及摄像机内/间的时空约束关系采集训练样本在线更新个体分类器。利用多人跟踪与识别结果，本文为视频建立针对人体跟踪轨迹的索引，为后续的视频中的结构化人体检索提供了基础。 第二，针对静态图片的跨视角人体识别问题，组织整理了COX多视角人体数据库来定量地研究多种特征跨视角人体识别效果，客观地评价了多种特征的识别性能，克服了人体识别一直在单一VIPeR数据库上进行评价可能带来的偏差问题。 第三，针对人体属性分析问题，设计了人体上下半身主颜色，性别，衣服款式，发型，背包等多种属性，对VIPeR以及新疆数据库进行了属性标注以获取训练与测试数据，用SVM作为属性分类器。利用属性预测结果，实现了基于属性的人体图像搜索功能，同时验证了基于低层特征结合属性特征对于提高人体识别率有较大贡献。 |
| 学科主题 | 人工智能 |
| 语种 | 中文 |
| 公开日期 | 2012-07-11 |
| 源URL | [http://ictir.ict.ac.cn/handle/311040/1525]  |
| 专题 | 中国科学院计算技术研究所学位论文_2012硕士 |
| 推荐引用方式 GB/T 7714 | 李浩. 跨摄像机的人体重现检测[D]. 北京. 中国科学院研究生院. 2012. |
入库方式： OAI收割
来源：计算技术研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。