基于部位分割的人体再识别方法技术
Human re recognition method based on position segmentation
Human re recognition method based on position segmentation. It includes the steps of image data acquisition, rough identification and fine identification. The effect of the invention is that the clothes and styles of the modern people are varied, and the color of the sleeves is often different from the color of the trunk parts, and the color of the trousers at the thighs and the legs is also different. And in the surveillance camera, the head information is generally more subtle, it is difficult to find the characteristics of large division, and the foot is too small to be easily collected. Based on the above considerations, the human body was divided into 9 parts: the trunk, left / right upper arm, left / right lower arm, left / right thigh, left / right leg, and the recognition rate was higher. Rough recognition can extract candidate sets with similar color of the query set, but it can not narrow the search range. On the basis of rough recognition, the projection method can be used to extract the position information of the pattern and the pattern of the torso, so that the recognition rate is further improved.
【技术实现步骤摘要】
基于部位分割的人体再识别方法
本专利技术属于计算机视觉与图像处理
，特别是涉及一种基于部位分割的人体再识别方法。
技术介绍
随着计算机视觉技术的快速发展，由于人体再识别具有非接触性的特点，因此在公共安全、医疗保健、刑事侦查等方面有着广阔的应用前景。人体再识别作为行人姿态、动作、行为识别等高层应用的基础，具有重要的研究意义。目前的人体再识别研究主要有两个方向：(1)基于特征表示的方法。虽然该类方法在一定程度可以提高再识别的准确性，但是仅从整体特性考虑人体目标，缺少了对人体目标的空间约束性信息。(2)基于距离度量学习的方法。该类方法中距离函数的性能好坏与样本的选取息息相关。当具有足够多的样本时，学习出的距离函数才能够普遍适用于多种环境下的再识别问题。而在样本数过少时，会出现过拟合现象。另外，实际操作时，训练数据样本需要人工标注，因此会消耗大量的人工时间成本。基于部位分割的人体再识别属于上述第二种方法。该方法利用在再识别前做了大量的部位分割筛选的初期工作，能够较快速、准确地再识别出目标人体。正因为图像采集的同时需要处理和筛选且实时性要求较高，因此需要具有较高图像计...
【技术保护点】
一种基于部位分割的人体再识别方法，其特征在于：所述的基于部位分割的人体再识别方法包括按顺序进行的下列步骤：1)图像数据获取：首先利用Kinect摄像头采集待检测场景的多帧图像，然后从上述图像中提取出人体前景图像，去噪后依次按部位分割成部位图像并筛选、保存；将所有需查询的人体部位图像保存为查询集，所有采集到的人体部位图像保存为候选集，并将采集到的人体部位图像按图像序号和部位进行保存；2)粗识别：将需查询的人体目标部位图像和候选集中所有人体部位图像从RGB颜色空间转换到HSV颜色空间，之后获得颜色直方图，然后使用EMD(地球移动距离)度量颜色直方图间的相似性，并根据部位和拍摄角...
【技术特征摘要】
1.一种基于部位分割的人体再识别方法，其特征在于：所述的基于部位分割的人体再识别方法包括按顺序进行的下列步骤：1)图像数据获取：首先利用Kinect摄像头采集待检测场景的多帧图像，然后从上述图像中提取出人体前景图像，去噪后依次按部位分割成部位图像并筛选、保存；将所有需查询的人体部位图像保存为查询集，所有采集到的人体部位图像保存为候选集，并将采集到的人体部位图像按图像序号和部位进行保存；2)粗识别：将需查询的人体目标部位图像和候选集中所有人体部位图像从RGB颜色空间转换到HSV颜色空间，之后获得颜色直方图，然后使用EMD(地球移动距离)度量颜色直方图间的相似性，并根据部位和拍摄角度的不同分配不同的权重，最后得到人体目标与候选集所有人体之间的总体EMD值并从小到大进行排序；3)细识别：选取上述粗排序中排名前50％的候选集中人体数据，通过人体躯干部位衣物上的图案纹理及图案纹理位置的不同，将躯干部位图像在垂直、水平方向上分别投影，再分别计算人体目标与候选集中人体躯干部位垂直和水平方向上投影的皮尔逊相关系数，在粗排序的基础上进行细排序，最后由人工在细排序后的结果中寻找出目标人体。2.根据权利要求1所述的基于部位分割的人体再识别方法，其特征在于：在步骤1)中，所述的图像数据获取方法的具体步骤如下：1.1)前景提取1.1.1)利用微软Kinect深度摄像头和彩色摄像头分别采集待分析场景的多帧深度图像和RGB彩色图像；1.1.2)将上述深度图像中的每一像素用2个字节，共16位表示，其中前13位表示该像素的深度值，后3位表示人体索引号，每一个在Kinect摄像头视界中的人体都会被分配一个不同的索引号，如果后3位全部为0，则表示不是人体；1.1.3)将深度图像上属于人体区域的相应像素通过坐标映射对应到彩色坐标系下的彩色图像上；1.1.4)在彩色图像上提取出从深度图像上映射来的人体前景像素，并复制到创建的空画布上而得到人体前景图像，由此实现人体前景提取；1.2)图像去噪使用开运算进行人体前景图像去噪，开运算单元选用9×9的方形算子；1.3)基于深度骨骼点部位分割1.3.1)坐标变换：将摄像头坐标系下的骨骼节点映射到彩色坐标系下，由此实现摄像头坐标系、深度坐标系、彩色坐标系的统一；1.3.2)绘制旋转矩形：选取人体前景图像某部位上的两个骨骼节点P1、P2，以此两节点间的距离为旋转矩形的长，记为a；除了躯干部位的宽度设为长的2/3，其它部位宽度均设为长的1/2，记为b；两个骨骼节点P1、P2坐标的中点设为旋转矩形的旋转中心O，以两个骨骼节点P1、P2的连线与水平面的夹角为旋转角θ绘出旋转矩形；按此绘制方法在人体前景图像上画出除头部和脚部之外的多个旋转矩形；1.3.3)提取通过步骤1.3.2)获取到的每一旋转矩形的4个角坐标，记为p1(x1,y1)，p2(x2,y2)，p3(x3,y3)，p4(x4,y4)，再判断4个角的x坐标x1,x2,x3,x4和y坐标y1,y2,y3,y4的最大及最小值；将x和y坐标的最大最小值分别记为：xmax，xmin和ymax，ymin，得到旋转矩形最小外接矩形的4个角坐标，记为q1(xmin,ymin)，q2(xmax,ymin)，q3(xmax,ymax)，q4(xmin,ymax)；1.3.4)根据步骤1.3.3)得到的旋转矩形的最小外接矩形4个角的坐标遍历人体前景图像，分割出的最小外接矩形内的像素即为人体部位，记为Part1,Part2,···,Part9，分别表示躯干，右上臂，右下臂，左上臂，左下臂，右大腿，右小腿，左大腿，左小腿；1.4)多帧部位图像评分部位图像评分使用以下3项指标：(1)非白色背景区域占整幅部位图像的比值具体步骤为：1.4.1)设背景部分为sum1，前景部分为sum2，并都初始化为0；1.4.2)遍历部位图像，判断红绿蓝三颜色通道每一个像素是否为白色(255,255,255)，是则sum1+1，否则sum2+1；设前景部分占整幅部位图像的比值为Δ，计算公式为：(2)人体目标在Kinect摄像头视界中的总偏移度人体目标在Kinect摄像头视界中在摄像头坐标系下X,Y,Z方向上的角度差分别记为α，β，γ，设总偏移度为χ，计算公式为：(3)部位图像清晰度采用均方误差法来判断该部位图像质量的好坏；均方误差法首先计算原始理想部位图像和失真部位图像像素差值的均方值MSE，然后通过均方值的大小来确定失真部位图像的失真程度，计算公式为：其中M,N...
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。