一种监控视频中行人重识别方法技术
【技术实现步骤摘要】
本专利技术属于智能监控领域，具体涉及。
技术介绍
安全是一个社会和企业赖以生存和发展的基础，尤其是在现代化技术高度发展的今天，犯罪更趋智能化，手段更隐蔽，加强现代化的安防技术就显得更为重要。例如，如何在机场、车站、码头、宾馆、商场等口岸或公共场所的人群中发现特定的目标。安全部门、公安部门以往的做法只能是靠人工布控、蹲守。这种方式除了耗费大量的警力以外，还往往因为有关人员的疏忽而造成特定目标漏网；犯罪嫌疑人在被控制以后，不愿意透露自己的真实身份，而且身上没有任何可以证明身份的线索。公安人员往往因为无从确认其身份而不得不将其释放。在受害人身份确认方面同样也存在类似的难题；在出入境管理方面，常常有受控人员使用假的身份证件而成功逃脱有关部门的监控。智能监控技术对于维护国家安全和社会稳定、打击各类犯罪活动具有十分重大的意义。在新兴的信息安全应用领域，行人重识别技术提供了一种更为安全可靠易用的身份鉴别手段，从而提升了整个网络信息系统的安全性能，有效地遏止各类网络违法犯罪活动。同时，行人重识别技术在传统的安防领域可以便捷的与原有技术实现紧密的结合，大大提升原有系统的智能化程度、安全性及易用性，拓展了原有系统的应用领域，从而促进了传统产业的技术升级。
技术实现思路
为了解决整个国家、社会的安全防范水平，达到威慑犯罪、惩治罪犯、维护社会稳定、保障国家安全的目的，本专利技术提供，可以较好地满足公安部门对安全的需求，包括步骤:步骤(I)行人轮廓提取:分别提取地点A监控视频中出现的行人轮廓，及其他地点监控视频中的行人轮廓；步骤(2)行人特征提取:基于人体对称性，把行人的...
【技术保护点】
一种基于人体对称性与结构化特征稀疏表示的监控视频中行人重识别方法，包括步骤：步骤（1）行人轮廓提取：分别提取地点A监控视频中出现的行人轮廓，及其他地点监控视频中的行人轮廓；步骤（2）行人特征提取：基于人体对称性，把行人的轮廓分为头部、左躯干、右躯干、左腿和右腿五个感兴趣区域，并分别提取每个感兴趣区域的特征，选用特征为：颜色、纹理、形状；步骤（3）行人重识别：行人重识别是指：从地点B的监控视频中找出地点A监控视频中出现的某些行人；假设地点A待识别行人有个，每个行人有多帧图像，为个行人中的一个，，每个人的每一帧作为一个样本，是该样本的特征向量，为其中一个样本，且该行人对应的标签为；同时，也得到地点B重识别候选行人的样本特征；构建基于结构化特征稀疏表示的线性回归模型学习的代价函数，建立行人重识别线性回归模型；将一起输入到模型中，即可得到相应的预测值，再通过自适应阈值最终得到人重识别的结果。
【技术特征摘要】
1.一种基于人体对称性与结构化特征稀疏表示的监控视频中行人重识别方法，包括步骤: 步骤(1)行人轮廓提取:分别提取地点A监控视频中出现的行人轮廓，及其他地点监控视频中的行人轮廓； 步骤(2)行人特征提取:基于人体对称性，把行人的轮廓分为头部、左躯干、右躯干、左腿和右腿五个感兴趣区域，并分别提取每个感兴趣区域的特征，选用特征为:颜色、纹理、形状； 步骤(3)行人重识别:行人重识别是指:从地点B的监控视频中找出地点A监控视频中出现的某些行人； 假设地点A待识别行人有e个，每个行人%有多帧图像，ξ为c个行人中的一个，? <c，每个人的每一帧作为一个样本，A是该样本的特征向量，I为其中一个样本，且该行人对应的标签为； 同时，也得到地点 B重识别候选行人的样本特征七；构建基于结构化特征稀疏表示的线性回归模型学习的代价函数，建立行人重识别线性回归模型一起输入到模型中，即可得到相应的预测值，再通过自适应阈值最终得到人重识别的结果。2.如权利要求1所述的基于人体对称性与结构化特征稀疏表示的监控视频中行人重识别方法，其特征在于:所述步骤(1)中行人轮廓提取具体为: 把地点A和地点B的视频采用基于HOG+SVM的行人检测方法对每张图片中的行人进行检测，检测出来的行人用大小/X J的方框框起来； 对检测出来的行人区域利用高斯混合模型的方法提取每一帧图片的行人轮廓。3.如权利要求1所...
【专利技术属性】
技术研发人员：章东平，李艳洁，陶玉婷，徐娇，
申请(专利权)人：中国计量学院，
类型：发明
国别省市：浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。