基于多特征降维和迁移学习的红外人体目标识别方法

作者：王鑫^*; 张鑫; 宁晨

来源：计算机应用, 2019, 39(12): 3490-3495.

• 红外
• 人体目标识别
• 多特征
• 降维
• 迁移学习

针对红外成像条件下人体目标受干扰严重时目标的识别准确性和鲁棒性较差的问题,提出了一种基于多特征降维和迁移学习的红外人体目标识别方法。首先,针对传统的红外人体目标特征提取方法提取某单一特征时存在信息涵盖不全面的问题,提取目标不同种类的异构特征,从而充分挖掘出红外人体目标的特点。其次,为了向后续识别分析提供有效且紧凑的特征描述,采用主成分分析方法对融合后的异构特征进行降维。最后,针对带标签的红外人体目标样本数据匮乏、训练样本和测试样本之间的分布及语义偏差导致的泛化性能差等问题,提出了一种有效的基于迁移学习的红外人体目标分类器,可较大程度地提高泛化性能和目标识别准确度。实验结果表明,所提的方法在红外人体目标数据集上的识别准确率达到了94%以上,与使用方向梯度直方图(HOG)特征、亮度自相似(ISS)特征等单一特征进行特征表示的方法以及使用传统的非迁移分类器如支持向量机(SVM)、K-近邻算法(KNN)等进行学习的方法相比均有所提升,且更加稳定,可以在实际的复杂红外场景中提升人体目标识别的性能。

• 单位
  南京师范大学