北京理工大学 集成电路与电子学院, 北京 100081
为了提升行人重识别算法的检索准确率, 提出了基于软掩膜前景分割和多信息融合重排序的行人重识别算法。通过基于U-Net的软掩膜前景分割算法去除图像背景信息, 同时减缓图像分割边界的突变, 以保留图像中行人的关键信息; 通过基于孪生深度网络的多信息融合重排序算法融合行人图像的多种信息, 提升检索结果质量。实验结果表明, 提出的两种方法是对行人重识别算法流程的有效补充, 可作为提升准确率的有效方法应用于多数现有行人重识别算法中。
行人重识别 视频监控 前景分割 重排序 person re-identification video surveillance foreground segmentation re-ranking
1 四川大学 电子信息学院，四川 成都610065
2 四川大学 视觉合成图形图像技术重点学科实验室，四川 成都610065
针对影视作品中的大量离焦图像，提出了一种离焦图像的深度图提取方法。将离焦图像的聚焦前景和离焦背景进行分离。对离焦背景提出了深度图模型匹配的方法，构建深度图模型并结合人眼视觉对场景深度的敏锐判断，将背景与对应的深度图模型进行匹配，实现背景深度图的构建；提出了基于颜色分割的深度图再处理，来进一步提高场景深度图的精度。对前景采用单深度赋值，并结合背景深度图融合生成最终深度图。实验表明采用该方法提取的深度图在深度跳跃和深度平滑区域都得到了好的效果。
2D转3D 前景分割 深度图 颜色分割 2D to 3D conversion foreground segmentation depth map color segmentation
