基于视频的行人再识别

行人再识别是指在无交叉区域的多摄像机视频监控系统中,匹配不同摄像机中的相同行人目标。本文提出了一种基于视频的行人再识别方法,用HOG3D来描述一组视频的时空特征,在训练集上用预训练的DenseNet来微调模型参数,利用迁移学习得到的模型来提取视频中行人的表观特征,融合两种特征来描述视频序列中的行人。最后将融合的高维特征降维,并用度量学习方法计算行人对之间的距离。本文在PRID 2011和iLIDS-VID这两个视频数据集上进行了使用,实验结果表明本文的方法取得了较高的累积匹配得分。     

遗传算法在多目标干扰中的应用

为了解决多目标干扰中多参数波形优化设计,在标准遗传算法的基础上,对交叉、变异概率做自适应处理,提出一种基于二进制编码的自适应遗传算法。改进后的自适应遗传算法不仅解决了多参数波形优化中需考虑参数过多、高维、无约束条件、无法用常规方法得到理想波形的问题,而且与标准遗传算法以及未做自适应处理的改进遗传算法相比,在算法的收敛性方面和全局搜索方面都有了提高。仿真实验证明该算法的有效性和正确性。