基于超复数域特征显著性的无重叠视域行人匹配方法研究

People Re-identification and tracking based on machine vision has been one of the research focuses of the pattern recognition, and image understanding. It is useful in Safety system and intelligent Transportation. Although a lot of researchers have thrown themselves into research of it actively, there are many challenges, the discontinuity in time or location of People Re-identification attracts more and more attention. .To deal with the problem of un-overlapping Multi-camera people re-identification in the camera network, which covers a wide area, the model extracting salient feature based on multi-scale, multi-channel phase spectrum and People Re-identification method is researched. The phase spectrum of hyper-complex wavelet can represent image excellently, which has been validated in our previous researches. This project contains: (1) A hyper-complex wavelet is constructed, and multi-scale, multi-channel phase spectrum is extracted to simulate attention of human eye focused from coarse to fine, furthermore, the color and intensity saliency is represented by multi-channel phase spectrum; (2) Construct the unsupervised model extracting salient features; (3) a people re-identification algorithm based on adaptive multi-scale salient features is researched to achieve from coarse to fine, high-efficiency people re-identification in non-overlapping multi-camera scenario. The research of this project will enrich the content of pattern recognition，image processing, and provide new strategy and method for visual surveillance..

基于视频的行人匹配已成为近年来模式识别、图像理解等领域的研究热点之一，在安防、智能交通等方面极具应用价值。虽经近几年的快速发展，仍面临诸多难题，尤其是位置或者时间不连续的目标匹配跟踪问题受到了广泛关注。.针对广泛分布的相机网络非重叠视域行人匹配问题，本项目研究基于超复数小波多尺度、多通道相位谱的行人图像显著特征提取模型及其匹配机制。申请人之前的研究成果验证了超复数小波相位谱对于图像的表征能力，本项目的主要内容包括：（1）在超复数域，提取多尺度、多通道的相位谱，通过多尺度来模拟人眼聚焦注意力从粗到细的过程、多通道相位谱表征图像色彩和密度的显著性分布；（2）构造自下而上、非监督的彩色图像显著特征提取模型；（3）构建基于自适应多尺度显著特征的行人匹配算法，实现由粗到精的、高效的非重叠视域行人匹配。本项目的研究成果可望丰富模式识别、图像处理相关领域的研究内容，为智能视觉监视提供新的思路和方法。

近年来随着公共安全问题成为关注的重点，由于视频图像可提取丰富的信息，视觉监视成为增长很快的领域。该项目的目的是研究将不同位置、不同时间多摄像机分布系统获取的场景中的同一个人关联起来的方法，这个任务也被称作非重叠视域行人重识别，它是智能视觉监视系统中的一个热点问题。.项目组成员构造了基于图像多元显著特征融合机制的行人重识别框架，包括复杂场景下行人图像显著特征提取、显著特征的表征以及行人重识别算法，进而获得了高性能的识别结果。主要研究内容如下：项目组提出基于图像内在显著特征和外在显著特征融合技术的行人重识别框架。项目组提出了利用多层元胞自动机将行人图像内在、外在显著特征融合提取的方法。在特征提取阶段，提出了利用超像素获得行人图像特征的方法。该方法首先将行人图像分割成若干超像素块，在此基础上结合前景图像提取技术，将前景目标行人图像部分的超像素块提取出来，再通过颜色直方图和加速鲁棒特征构造特征空间。实验证明通过将该特征描述子与基于行人图像间显著特征提取块匹配方法相结合，极大地提高了行人重识别问题的运行效率与算法精度；在特征表征阶段，项目组发现依据传统方式获得的行人图像的显著特征，通常考虑不同样本的差异而获得，我们称之为外在显著特征，但它的稳定性随着对比样本的变化而变化。因此项目组研究了一种利用多层元胞自动机将行人图像内在显著特征和外在显著特征相融合的方法来表征图像的显著特征，实验结果表明，该方法能提高行人识别的性能；在相似性度量过程中，各个显著特征所占的权重至关重要，项目组在显著与否的二值表示关系的基础上研究了一种学习排序方法衡量各图像之间的相似性。通过项目组设计的算法在标准数据库上进行了实验验证，获得了较好的性能。