千人智库官方二维码

首页  >   千人智库 > 学术进展 > 信息科学
行人重识别算法研究与展望
时间:2019-05-21 08:16:42来源:汉斯出版社
提交需求
提要:针对视频监控中特定行人的检索、识别问题被称作行人重识别,是当前计算机视觉领域一个重要的研究课题。

针对视频监控中特定行人的检索、识别问题被称作行人重识别,是当前计算机视觉领域一个重要的研究课题。由于实际监控场景的复杂性,被拍摄到的行人图片会出现尺度变化、旋转、遮挡、光照差异等问题,给行人重识别研究带来了很大的挑战。

(图片来源于网络,侵删)

提取鲁棒的行人特征、设计合适的度量方法、对查询的排序结果列表进行重新排序等是目前该领域研究的主要思路。有学者针对行人重识别领域,主要调查研究了行人重识别领域的发展背景和研究现状并在结尾给出了对该领域的研究展望,并将其观点发表在汉斯出版社中文期刊《计算机科学与应用》中。

传统依靠生物信息的行人识别方法,如人脸识别和虹膜识别在大规模的城市监控中往往是不可行的,因为城市监控摄像头难以捕捉到高清的行人图像信息。相反,基于视觉特征的识别方法往往比基于生物信息的识别方法更加可靠,基于人的外观,比如一个人携带的物品或者行人的衣服,可以更可靠地被利用在行人重新识别。

行人重识别技术在实际生活中有着广泛的应用,在维护治安协助案件侦破中起到了重要,因此得到了学术界的持续关注与研究。但是实际监控场景往往是复杂的,被拍摄到的行人会出现尺度和光照变化、旋转、遮挡等问题,这些难点使得行人重识别是一项具有挑战性的任务。本文主要介绍了行人重识别领域近些年来的研究成果及现状,着重从三点出发介绍了针对行人重识别中的难点问题,人们所采取的解决方案。当前行人重识别算法研究主要体现在行人特征的提取、度量学习和排序优化等环节,具体来说,首先对原始行人图像进行特征提取、变换而得到抽象的行人描述,然后通过学习一个距离度量函数,对行人的特征进行相识性判别,从而得到初步的排序列表,最后再跟据相关排序优化方法优化原始排序列表,得到最终的行人识别结果。

在特征提取、度量学习和排序优化的基础上,行人重识别技术研究还应该结合实际的应用场景,本文认为有以下几个方向可以作为研究的思路

1、学术界研究使用的数据集,无法很好的代表实际场景,实际场景获取的视频或图像往往会存在低分辨率、光照严重不足等问题。因此需要在现有的鲁棒性特征提取方法的基础上继续做改进,以用于实际场景。

2、大多数行人重识别算法都是监督学习,需要大量的标记数据集。训练样本的采集过程往往耗时耗力,基于半监督、无监督的方向进行行人重识别的研究是未来的一种趋势,这种方式也更加符合实际需求。

3、由于实际场景的复杂性,实际应用中往往需要检测、识别、跟踪同时进行。因此,在识别的基础上加入检测和跟踪是行人重识别走向实际场景的必经之路。

文章来源:https://www.hanspub.org/journal/PaperInformation.aspx?paperID=30291

标签
行人 识别 算法 研究 展望

版权声明:千人智库网系千人智库唯一官方网站,凡转载本网内容请注明来源与作者。

作者系郭珊珊

评论详情

   暂无相关评论!
RSS订阅