針對(duì)行人再識(shí)別的圖像中由于遮擋和背景干擾而存在大量無用特征的問題,提出一種基于低通濾波模型的行人再識(shí)別方法。首先,將行人圖像進(jìn)行分塊;然后,計(jì)算各種小塊在各圖像中的相似個(gè)數(shù),其中相似個(gè)數(shù)較多的小塊為高頻噪聲特征、相似個(gè)數(shù)較少的小塊為有益特征;最后,不同于常見圖像處理中的濾除突變特征、留下平滑特征的低通濾波器,所提方法利用通信系統(tǒng)中的低通濾波器實(shí)現(xiàn)抑制高頻噪聲特征、增益有益特征的目標(biāo)。實(shí)驗(yàn)結(jié)果表明,所提方法在ETHZ數(shù)據(jù)集上的識(shí)別率比經(jīng)典的對(duì)稱性局部特征累加（SDALF）方法提升了近20%;同時(shí),該方法在VIPeR和I-LIDS數(shù)據(jù)集上也取得了相似的效果。 

【文章來源】：計(jì)算機(jī)應(yīng)用. 2020年11期 第3314-3319頁 北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

基于低通濾波的行人再識(shí)別系統(tǒng)

其中：γ是常數(shù)，用來調(diào)節(jié)衰減增益幅度的大小；f (nos) Pij∈[1，β]為小塊Pij的噪聲頻率，β是行人圖像個(gè)數(shù)；fq為截止頻率。f函數(shù)是以f (nos) P為自變量的單調(diào)遞減函數(shù)。圖3 f′logistic在x≥0時(shí)的圖像

f′logistic在x≥0時(shí)的圖像

【參考文獻(xiàn)】：
期刊論文
[1]基于多特征子空間與核學(xué)習(xí)的行人再識(shí)別[J]. 齊美彬,檀勝順,王運(yùn)俠,劉皓,蔣建國(guó).  自動(dòng)化學(xué)報(bào). 2016(02)
[2]基于二次相似度函數(shù)學(xué)習(xí)的行人再識(shí)別[J]. 杜宇寧,艾海舟.  計(jì)算機(jī)學(xué)報(bào). 2016(08)
[3]基于外觀統(tǒng)計(jì)特征融合的人體目標(biāo)再識(shí)別[J]. 曾明勇,吳澤民,田暢,付毅,揭斐然.  電子與信息學(xué)報(bào). 2014(08)
[4]基于統(tǒng)計(jì)推斷的行人再識(shí)別算法[J]. 杜宇寧,艾海舟.  電子與信息學(xué)報(bào). 2014(07)
[5]多特征融合的人體目標(biāo)再識(shí)別[J]. 范彩霞,朱虹,藺廣逢,羅磊.  中國(guó)圖象圖形學(xué)報(bào). 2013(06)



本文編號(hào)：2905429