光子学报
光子學報
광자학보
ACTA PHOTONICA SINICA
2011年
5期
758-763
,共6页
视频监控%支持向量机增量学习%局部描述子%人目标再识别%单词树%线性规划增强
視頻鑑控%支持嚮量機增量學習%跼部描述子%人目標再識彆%單詞樹%線性規劃增彊
시빈감공%지지향량궤증량학습%국부묘술자%인목표재식별%단사수%선성규화증강
摄像机间目标关联是无重叠视域多摄像机目标持续跟踪的关键.提出了一种只利用人体目标外观,完全不依赖于空时关系的人体目标再识别算法,利用识别结果直接进行跨摄像机间人体目标关联,而不依赖于目标的捕获时间和路径限制.对跟踪视频前景图像序列提取互补性视觉单词树直方图和全局颜色直方图二种特征,采用支持向量机增量学习在线训练二种特征的人体外观辨别模型,再利用多类线性规划增强算法对二种特征的支持向量机模型进行在线自适应融合.实验结果表明,本文算法具有较强的在线学习能力,能增量式表达人体目标辨别性外观模型,特征融合后的模型区别性更强,有效地降低多方面条件变化的影响,获得了高识别率,且能够实现快速实时实现,相对于现有方法有了明显提升.
攝像機間目標關聯是無重疊視域多攝像機目標持續跟蹤的關鍵.提齣瞭一種隻利用人體目標外觀,完全不依賴于空時關繫的人體目標再識彆算法,利用識彆結果直接進行跨攝像機間人體目標關聯,而不依賴于目標的捕穫時間和路徑限製.對跟蹤視頻前景圖像序列提取互補性視覺單詞樹直方圖和全跼顏色直方圖二種特徵,採用支持嚮量機增量學習在線訓練二種特徵的人體外觀辨彆模型,再利用多類線性規劃增彊算法對二種特徵的支持嚮量機模型進行在線自適應融閤.實驗結果錶明,本文算法具有較彊的在線學習能力,能增量式錶達人體目標辨彆性外觀模型,特徵融閤後的模型區彆性更彊,有效地降低多方麵條件變化的影響,穫得瞭高識彆率,且能夠實現快速實時實現,相對于現有方法有瞭明顯提升.
섭상궤간목표관련시무중첩시역다섭상궤목표지속근종적관건.제출료일충지이용인체목표외관,완전불의뢰우공시관계적인체목표재식별산법,이용식별결과직접진행과섭상궤간인체목표관련,이불의뢰우목표적포획시간화로경한제.대근종시빈전경도상서렬제취호보성시각단사수직방도화전국안색직방도이충특정,채용지지향량궤증량학습재선훈련이충특정적인체외관변별모형,재이용다류선성규화증강산법대이충특정적지지향량궤모형진행재선자괄응융합.실험결과표명,본문산법구유교강적재선학습능력,능증량식표체인체목표변별성외관모형,특정융합후적모형구별성경강,유효지강저다방면조건변화적영향,획득료고식별솔,차능구실현쾌속실시실현,상대우현유방법유료명현제승.