随着公共安全领域在世界范围内的受重视程度的快速提升,.PDFVIP

摘 要 随着公共安全领域在世界范围内的受重视程度的快速提升，由监控摄像头组成的 大规模监控网络 的布置也越来越普遍。为了更好地匹配在不同时间出现于不同摄像机 的同一身份行人，本文针对 以图像集合对行人对象进行表示 的视频行人再识别问题进 行了广泛的调研整理和多路线的系统性研究。 这 个问题 分三个阶段 展开：（1）单一行 人图像的具鲁 棒性与判别力的特 征提 取；（2 ）图像集合内多帧图像特征的稳定有效融合；（3 ）针对所设计 的集合表示 的判 别性度量学习。前两个阶段被统称为集合表示。本文针对这三个阶段分别进行 了详细 的分析、整理和讨论，并针对于不同大小的图像集合，沿着两条不同的方法路线，从 以上三个方面均进行了创新性的研究。 本文 的第一个主要工作是针对较小规模 的图像集合的以对称正定矩阵作为图像局 部描述子 的黎曼流形上的判别学习框架。该框架利用表征统一、刻画性强、表示稳定 的区域协方差矩阵和区域高斯矩阵对行人图像局部区域进行特征表示，然后采用噪声 鲁棒、兼容性好、方便易得、应用广泛的取平均法对多帧图像的特征表示在黎曼流形 上进行融合，接着在流形上改进 了两种具有代表性的判别学习方法，增强了框架的判 别性能。这套框架在各个组件上都有着非常强的灵