-
公开(公告)号:CN108960331A
公开(公告)日:2018-12-07
申请号:CN201810751316.2
申请日:2018-07-10
Applicant: 重庆邮电大学
CPC classification number: G06K9/6256 , G06K9/6215 , G06K9/6218 , G06K9/6232 , G06N3/0454
Abstract: 本发明公开了一种基于行人图像特征聚类的行人再识别方法,主要技术构思为利用深度卷积神经网络进行行人图像局部特征提取,将所得到的行人特征进行聚类操作,聚类操作可使得所得到的行人特征具有一定的语义性,从而保证特征匹配时丢失图像的局部语义性。聚类后的行人图像特征簇内向量具有较大的相关性导致大量冗余信息,可使用去相关技术或者降维操作去除冗余信息。之后再使用最小距离法自动对齐行人图像,计算聚类后的不同行人特征作为整个神经网络的代价函数。训练整个神经网络,之后用神经网络提取到的特征检索行人与行人检索集的相似度,按照相似度进行排序得到行人再识别的结果。
-
公开(公告)号:CN108921881A
公开(公告)日:2018-11-30
申请号:CN201810706085.3
申请日:2018-06-28
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于单应性约束的跨摄像头目标跟踪方法,步骤如下:一、针对输入的图片,使用HOG特征和颜色特征对目标进行特征提取;二、根据得到的特征,使用相关滤波器的学习规则学习得到滤波模板,同时更新模板;三、根据给定的特征因子对目标响应映射进行融合,得到最终响应映射最大值的位置即为目标所在的位置;四、根据单应性约束以及颜色特征限制,确定相邻摄像头中目标是否为同一目标;五、结合多摄像头目标定位以及单摄像头目标跟踪结果,得到最终跨摄像头场景下目标跟踪结果。本发明针对目前目标跟踪领域出现的目标快速移动、目标离开视野、光照变化、目标遮挡等情况给出了一种新的解决方案,为将目标跟踪应用于实际场景提供了新思路。
-