一种行人重识别方法技术

本发明专利技术公开了一种行人重识别方法，包括行人特征提取和特征的度量；行人特征提取主要采用滑动窗口提取图像颜色直方图，对主颜色进行扩展，再在每一行滑窗中统计每一颜色模式出现的次数，选取较大的几次之和作为该颜色的特征输出，滑窗遍历整幅图像，归一化后形成特征。为了匹配更加普适化，提取搜索源从全身到半身的特征。在度量计算时，用带搜索图像特征向量不为0的特征维度与待搜索目标特征做欧氏距离，进一步减小了复杂场景下背景因素的干扰；将本发明专利技术提供的行人重识别方法应用于复杂场景下行人的重识别，对于场景变化的可移植性强，算法稳定、速度快，能有效解决监控视频和待搜索数据库质量不高的问题，实用性强。

【技术实现步骤摘要】

本专利技术属于模式识别
，更具体地，涉及一种行人重识别方法。
技术介绍
行人重识别是图像处理和模式识别研究的重要领域之一；所谓行人重识别，是指将某个待定的被搜索的目标行人(probe)作为搜索源，在其他的没有重复视线的摄像头所采集到的视频图像(gallery)里自动地找到这一搜索源的算法，其主要难点在于同一目标在不同场景下受光照、视角、遮挡等干扰因素的影响呈现出极大的类内差异。现有技术从特征提取、距离度量的方面提出有针对性的解决方案；其中所涉及特征包括目标的空间位置、颜色和纹理信息；而距离度量则是基于标准数据库学习的特征提取方法；由于现实复杂场景中环境变化的干扰，通过这类方法对同一目标在不同摄像头下提取出的特征差异很大，可移植性差，为特征匹配带来困难；其原因一方面是标准数据库的图像是理想环境下采集的图像，与实时变化的实际环境场景不匹配；另一方面标准数据库的容量有限，不具备适应于现实场景的鲁棒性特征；如何提取更加鲁棒的特征、采用更加简单有效的度量方法是行人重识别的难点。
技术实现思路
针对现有技术的以上缺陷或改进需求，本专利技术提供了一种行人重识别方法，其目的在于解决现有行人重识别技术基于标准数据库学习特征提取鲁棒性不足、度量算法可移植性差的问题。为实现上述目的，按照本专利技术的一个方面，提供了一种行人重识别方法，包括如下步骤：(1)将包含搜索源的所有图像归一化到统一的像素大小，并对归一化之和的图像进行色域转换和色度合并，以使得后续提取特征时图像的特征维度相同；(2)将图像按照像素分成m行，以固定大小的滑动窗口在步骤(1)获得的图像上沿行的方向逐行滑动，遍历整张图像，获取各滑动窗口对应的颜色直方图；其中，m为正整数；(3)对于同一行的颜色直方图，按照某一颜色模式在该行各颜色直方图中出现的次数从多到少排序，并将排在前N位的颜色直方图相加作为所述颜色模式在颜色直方图中的值，获得这一行对应的512维的直方图；其中，N为不小于2的正整数；传统方法采用最大的颜色模式的统计量作为输出；而本专利技术在本步骤中，用多个较大颜色模式的直方图之和作为对应的颜色模式直方图，不仅解决了因目标人物在各图像中的尺度、角度差异造成的类内特征误差问题；而且有效降低了背景内无关因素对特征提取的干扰；(4)按照步骤(3)获取所有的行对应的直方图，并将获得的所有直方图按照各行在图像中所处的顺序依次排列，获得512*m维向量；对该向量进行归一化处理，使之模长为1；将归一化之后的向量作为搜索源的特征向量；(5)获取gallery图像与probe图像的特征度量距离其中，xi是指probe图像特征向量的第i维特征，yi是指gallery待搜索图像中的第i维特征，n为特征的维度；本步骤对现有重识别技术中直接采用欧氏距离度量特征间的差异的方法进行了改进，传统的欧氏距离一一对应的测距方式对特征的准确性要求很高，而复杂场景下的图像包含大量背景干扰，采用这种欧式距离度量特征间差异的方法可能增大类内距离，导致类内相似度降低；而采用本步骤中的这种度量距离获取方法，使probe特征向量中特征值为0的维度不参与计算，由此，同一目标在其他视频图像下由于背景产生的直方图统计在计算中被忽略；并且，由于上述特征提取步骤中主颜色扩充增大了probe特征向量中特征值不为0的维度的权重；这种度量距离获取方法与主颜色扩充相结合，可大大提升匹配的准确度；(6)将特征度量距离di作为判断相似度的标准，特征度量距离越小，相似度越高；将待搜索图像按照相似度大小降序排列，获得行人重识别结果。优选地，上述行人重识别方法，其步骤(1)包括如下子步骤：(1.1)对包含搜索源的所有图像进行归一化处理，获得大小相同的图像；(1.2)将上述图像由RGB域转化到HSV域；(1.3)通过将各图像的H、S、V三个通道分别从256维缩减到8维将每32个相邻色度合为1个色度；经过上述预处理后获得图像，各通道均有8个色度的维数，线性排列后形成8*8*8＝512维的颜色特征。优选地，上述行人重识别方法，其步骤(2)中还包括对主颜色进行扩展的步骤，将主颜色扩展K倍，并将与主颜色相近的颜色模式扩展J倍；1<K<2，1<J<K；其中，主颜色是指在某个滑动窗口中，其颜色分量的统计值超过滑动窗口总像素个数的50％的颜色模式；与主颜色相近的颜色模式是指(H±a)SV、H(S±a)V、HS(V±a)的颜色模式；其中，(H+1)SV是指H值比主颜色的H值大或小a，S、V值与主颜色相同的颜色模式；H(S±a)V是指S值比主颜色的S值大或小a，H、V值与主颜色相同的颜色模式；HS(V±a)是指V值比主颜色的V值大或小a，H、S值与主颜色相同的颜色模式；a为常数；通过上述扩展，减小同一目标在不同场景下由于光线差异所产生的颜色偏差。优选地，上述行人重识别方法，若扩展后某通道上的色度值大于8或者小于1，则不对该颜色模式进行扩展。优选地，上述行人重识别方法，其步骤(4)与步骤(5)之间，还包括对搜索源进行切割的步骤：(i)对包含搜索源图像进行多尺度水平切割，获得搜索源从全身像到半身像的多张图像；(ii)对于切割后的每张图像，按照步骤(1)～(4)获取其特征向量；通过上述处理提取搜索源在各个尺度下的特征向量，来提高现实场景中目标部分被遮挡、gallery图片上人像不完整的情况下目标匹配的准确度。本专利技术提供的上述行人重识别技术，利用了多个颜色直方图结合主颜色扩展，并根据改进的欧式距离来度量搜索源与gallery中候选目标之间的相似度，具有提升在复杂监控视频图像中对特定目标进行跨摄像头重识别的准确率的效果。总体而言，通过本专利技术所构思的以上技术方案与现有技术相比，能够取得下列有益效果：(1)本专利技术提供的行人重识别技术，通过对所有包含搜索源的图像进行归一化、色域转换以及色度合并的预处理，使得从每张图像上提取的特征向量的长度相同，便于在获取度量距离时快速匹配，起到加快重识别的速度的作用；(2)本专利技术提供的行人重识别技术，采用滑动窗口获取颜色直方图，并选取图像每一行像素每个颜色模中较大分量的直方图之和作为特征向量；一方面能有效的解决行人视角的变化，特别是正面和侧面的变化导致搜索目标在图片中所占的比例的变化而引起的主要识别颜色在各图片中面积差异大的问题；另一方面，不直接用最大值输出还能起到有效避免较小干扰分量被放大导致匹配出现差错的问题；(3)本专利技术提供的行人重识别技术，其优选方案对probe图像进行多尺度划分，选取probe的全身像到半身像的多个图像作为probe的联合特征，解决在视频图像中的行人图像残缺所导致的全身像和半身像的匹配问题，能有效匹配到gallery中同一目标的半身像或人像不全的图像；(4)本专利技术提供的行人重识别技术，基于欧式距离进行改进获得度量距离，克服了现有行人重识别技术的度量学习过程中，在一个数据库上学习获得的参数到另一个数据库移植性差的缺陷，更具有普适性；并且节省了学习的时间，加快识别速度；对于同一目标在不同场景下的多个图像，由于背景、光线、遮挡等因素的影响，现有技术采用欧式距离作为度量距离会增大类内的距离，导致相似度增加；本专利技术通过改进的欧式距离，使得probe特征向量特征值为0的维度不参与计算，由此起到忽略本文档来自技高网...

【技术保护点】
一种行人重识别方法，其特征在于，包括如下步骤：(1)将包含搜索源的所有图像归一化到统一的像素大小，并对归一化之和的图像进行色域转换和色度合并处理；(2)将图像按照像素分成m行，以固定大小的滑动窗口在步骤(1)获得的图像上沿行的方向逐行滑动，遍历整张图像，获取各滑动窗口对应的颜色直方图；m为正整数；(3)对于同一行的颜色直方图，按照某一颜色模式在该行各颜色直方图中出现的次数从多到少排序，并将排在前N位的颜色直方图相加作为所述颜色模式在颜色直方图中的值，获得这一行对应的512维的直方图；其中，N为不小于2的正整数；(4)按照步骤(3)获取所有的行对应的直方图，并将获得的所有直方图按照各行在图像中所处的顺序依次排列，获得512*m维向量；对该向量进行归一化处理，使之模长为1；将归一化之后的向量作为搜索源的特征向量；(5)获取gallery图像与probe图像的特征度量距离di=Σi=0nf(xi)(xi-yi)2;]]>其中，xi是指probe图像特征向量的第i维特征，yi是指gallery待搜索图像中的第i维特征，n为特征的维度；(6)将所述特征度量距离di作为判断相似度的标准，度量距离越小，相似度越高；将待搜索图像按照相似度大小降序排列，获得行人重识别结果。...

【技术特征摘要】
1.一种行人重识别方法，其特征在于，包括如下步骤：(1)将包含搜索源的所有图像归一化到统一的像素大小，并对归一化之和的图像进行色域转换和色度合并处理；(2)将图像按照像素分成m行，以固定大小的滑动窗口在步骤(1)获得的图像上沿行的方向逐行滑动，遍历整张图像，获取各滑动窗口对应的颜色直方图；m为正整数；(3)对于同一行的颜色直方图，按照某一颜色模式在该行各颜色直方图中出现的次数从多到少排序，并将排在前N位的颜色直方图相加作为所述颜色模式在颜色直方图中的值，获得这一行对应的512维的直方图；其中，N为不小于2的正整数；(4)按照步骤(3)获取所有的行对应的直方图，并将获得的所有直方图按照各行在图像中所处的顺序依次排列，获得512*m维向量；对该向量进行归一化处理，使之模长为1；将归一化之后的向量作为搜索源的特征向量；(5)获取gallery图像与probe图像的特征度量距离di=Σi=0nf(xi)(xi-yi)2;]]>其中，xi是指probe图像特征向量的第i维特征，yi是指gallery待搜索图像中的第i维特征，n为特征的维度；(6)将所述特征度量距离di作为判断相似度的标准，度量距离越小，相似度越高；将待搜索图像按照相似度大小降序排列，获得行人重识别结果。2.如权利要求1所述的行人重识别方法，其特征在于，所述步骤(1)包括如下子步骤：(1.1)对包含搜索源的所有图像...

【专利技术属性】
技术研发人员：桑农，陈科舟，王金，高常鑫，李志强，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北;42