一种基于支持样本间接式的行人再识别方法技术

本发明专利技术公开了一种基于支持样本间接式的行人再识别方法，包括以下步骤：对采集的两个无交集摄像头视频进行预处理，获得需要的训练样本图像，再利用密集颜色直方图和密集SIFT相结合的方法提取图像的特征，并通过聚类的方法分别得到两个不同摄像头下的支持样本，当要对来自不同摄像头的行人进行匹配时，在距离测度的基础上利用支持样本分别判别出其所在摄像头下的行人类别，通过类别的对比判断是否为同一行人。本发明专利技术通过不同摄像头下行人图片直接匹配，有效解决了不同摄像头带来的视角、光照和尺度问题，提高了行人再识别的准确率，增强了行人再识别算法的鲁棒性。

A method of pedestrian re identification based on support sample indirect method

The invention discloses a method for pedestrian recognition based on indirect support samples, which comprises the following steps: on the acquisition of two disjoint camera video preprocessing, to obtain the training sample image, image feature extraction method using dense color histogram and dense SIFT combination, and through the clustering method are two different cameras under the support of the sample, when to be matched to pedestrians from different cameras, using support samples were discriminate the camera under the line of human don't based on the distance measure, by comparing the judgment category is the same as the pedestrian. The invention directly matched by different camera pedestrian pictures, effectively solve the camera to bring different perspectives, illumination and scale problems, improve the accuracy of pedestrian recognition, enhance the robustness and pedestrian recognition algorithm.

【技术实现步骤摘要】
一种基于支持样本间接式的行人再识别方法
本专利技术属于智能视频监控
，具体涉及一种基于支持样本间接式的行人再识别方法。
技术介绍
行人再识别是在非重叠区域的监控多摄像头下对行人进行匹配，即检索某个摄像头下的行人目标是否出现在其他的摄像头下。行人再识别在社会公共安全领域有着重要的应用，然而不同监控摄像头之间差异，导致了视角、光照和尺度变化，使得行人再识别中存在很大的挑战。如何建立一种高效准确针的再识别方法，研究人员进行了相关的研究。目前行人再识别的研究主要集中在特征表示法和距离测度的学习，近几年来深度学习也开始应用于行人再识别当中。然而由于视角、光照和尺度变化等问题，上述方法都没有很好的解决行人再识别。使得行人再识别的准确率不是非常的高。
技术实现思路
本专利技术是为了克服现有技术的不足之处，提供一种基于支持样本间接式的行人再识别方法，以期能有效的克服行人再识别中光照、视角和尺度等问题，获得较好再识别性能，从而有效提高行人再识别率，增强行人再识别算法的鲁棒性。本专利技术为了解决技术问题采用如下技术方案：本专利技术一种支持样本间接式的行人再识别方法的特点是按如下步骤进行：步骤1、利用拍摄区域无交集的两个摄像头Camera_P和Camera_Q分别获取行人训练图像集，记为行人训练图像集P＝{p1,p2,…,pi,…,pN}和行人匹配图像集Q＝{q1,q2,…,qi,…,qN}；且第i幅训练图像pi中的行人与第i幅匹配图像qi中的行人为同一个人；1≤i≤N；步骤2、特征提取将所述第i幅训练图像pi划分为U×V个小块；并提取所述第i幅训练图像pi中第m×n个小块的颜色直方图特征和SIFT特征后进行级联，得到所述第i幅训练图像pi中第m×n个小块的颜色SIFT特征，记为从而得到U×V个小块的颜色SIFT特征作为所述第i幅训练图像pi的密集颜色SIFT特征；同理可得，第i幅匹配图像qi的密集颜色SIFT特征；步骤3、支持样本的选取步骤3.1、从所述行人训练图像集P中选取任意第j幅训练图像pj，i≠j；利用欧式距离计算所述第i幅训练图像pi中第m×n个小块颜色SIFT特征与所述行为训练图像集P中任意第k幅训练图像pk中搜索域为T的所有小块的颜色SIFT特征的相似性得分，并选择所述搜索域T中所有小块的相似性得分最大值作为所述第i幅训练图像pi中第m×n个小块与第k训练图像pk的得分，从而得到所述第i幅训练图像pi中U×V个小块与第k幅训练图像pk的总得分进而得到所述第i幅训练图像pi中U×V个小块与N-2幅训练图像的总得分所述搜索域T的范围为u1≤m≤u2，1≤n≤V；k≠i；k≠j；同理可得所述第j幅训练图像pj中U×V个小块与N-2幅训练图像的总得分同理可得所述第i幅匹配图像qi中U×V个小块与N-2幅匹配图像的总得分以及第j幅匹配图像qj中U×V个小块与N-2幅匹配图像的总得分步骤3.2、计算所述第i幅训练图像pi的总得分与第j幅训练图像pj的总得分的相关系数以及第i幅匹配图像qi的总得分与第j幅匹配图像qj的总得分的相关系数并利用式(1)获得相关系数乘积若则表示所述第i幅训练图像pi与第j幅训练图像pj相似，且第i幅匹配图像qi与第j幅匹配图像qj相似，并删除所述第i幅训练图像pi与第i幅匹配图像qi或者删除第j幅训练图像pj与第j幅匹配图像qj；若则表示所述第i幅训练图像pi与第j幅训练图像pj不相似，且第i幅匹配图像qi与第j幅匹配图像qj不相似，并均保留；步骤3.3、重复步骤3.1-步骤3.2，对所述行人训练图像集P和行人匹配图像集Q进行处理，从而得到训练支持样本集P′和匹配支持样本集Q′；步骤4、行人再识别步骤4.1、利用所述两个摄像头Camera_P和Camera_Q分别获取一幅行人测试图像pt和qt步骤4.2、根据步骤3.1，计算行人测试图像pt与训练支持样本集P′中所有训练支持样本的总得分，并选取得分最高的训练支持样本p′max作为行人测试图像pt在训练支持样本集P′中的代表图像；同理，计算行人测试图像qt在匹配支持样本集Q′中的代表图像q′max；步骤4.3、判断训练支持样本集P′中的代表图像p′max的序号与匹配支持样本集Q′中的代表图像q′max的序号是否相同，若相同，表示行人测试图像pt和qt为同一个人，否则，表示行人测试图像pt和qt不为同一个人。与已有的技术相比，本专利技术有益效果体现在：1、本专利技术采用了间接式的行人再识别的方法。不同摄像头由于位置、配置和采光度的不同，就造成不同摄像头拍摄到行人之间存在视角、光照和尺度变化等问题。已有的技术都是直接通过对不同摄像头下的行人进行直接匹配。上述问题的存在，使得这种直接匹配的方法无法有效的提高准确率。而间接式的行人再识别方法，首先通过聚类的方法分别提取不同摄像头下的支持样本，当要对来自不同摄像头的行人进行匹配时，在距离测度的基础上利用支持样本分别判别出其所在摄像头下的行人类别，通过类别的对比判断是否为同一行人。该方法避免了不同摄像头下行人图片直接匹配，有效解决了不同摄像头带来的视角、光照和尺度问题。2、本专利技术采用了密集颜色特征和密集SIFT特征相结合的方式。颜色特征可以有效的利用了行人外貌信息。行人再识别中外貌是一张很有用的信息，可以帮助人们快速对行人进行识别。SIFT特征可以作为颜色直方图特征的互补特征传统的SIFT方法可以检测到图片中的兴趣点，该算法检测到的兴趣点不仅具有空间稳定性，而且有尺度不变性和旋转不变性。3、本专利技术采用了支持样本的选取。通过对不同摄像头下的行人样本库学习，得到每个样本库中的支持样本。由于视角、光照和尺度变化等问题，使得同一个性人差别很大，而有时不同的行人会呈现出相似性。支持样本就是有效的解决了这种干扰，减少了行人样本库中的冗余性，提高了行人再识别的准确率。附图说明图1为本专利技术的行人再识别流程图；图2为本专利技术的颜色直方图特征示意图；图3为本专利技术的SIFT特征提取示意图；图4为本专利技术的dColorSIFT特征提取示意图。具体实施方式本实施例中，如图1所示，一种支持样本间接式的行人再识别方法包括以下过程：首先对采集的不同摄像头视频进行预处理，获得需要的样本图像。通过聚类的方法学习得到摄像头样本的支持样本。在支持样本的基础上通过间接式行人匹配的方法，可以对不同摄像头下的行人进行匹配。具体地说，是按如下步骤进行：步骤1、利用拍摄区域无交集的两个摄像头Camera_P和Camera_Q分别获取行人训练图像集，记为行人训练图像集P＝{p1,p2,…,pi,…,pN}和行人匹配图像集Q＝{q1,q2,…,qi,…,qN}；且第i幅训练图像pi中的行人与第i幅匹配图像qi中的行人为同一个人；1≤i≤N；步骤2、特征提取将所述第i幅训练图像pi划分为U×V个小块；并提取所述第i幅训练图像pi中第m×n个小块的颜色直方图特征和SIFT特征后进行级联，得到所述第i幅训练图像pi中第m×n个小块的颜色SIFT特征，记为从而得到U×V个小块的颜色SIFT特征作为所述第i幅训练图像pi的密集颜色SIFT特征；同理可得，第i幅匹配图像qi的密集颜色SIFT特征；将每一个行人图片分割成U×V个小块，对于每一小块分别提取其LAB颜色直方图。为了能够与SI本文档来自技高网...

【技术保护点】
一种支持样本间接式的行人再识别方法，其特征是按如下步骤进行：步骤1、利用拍摄区域无交集的两个摄像头Camera_P和Camera_Q分别获取行人训练图像集，记为行人训练图像集P＝{p1,p2,…,pi,…,pN}和行人匹配图像集Q＝{q1,q2,…,qi,…,qN}；且第i幅训练图像pi中的行人与第i幅匹配图像qi中的行人为同一个人；1≤i≤N；步骤2、特征提取将所述第i幅训练图像pi划分为U×V个小块；并提取所述第i幅训练图像pi中第m×n个小块的颜色直方图特征和SIFT特征后进行级联，得到所述第i幅训练图像pi中第m×n个小块的颜色SIFT特征，记为

【技术特征摘要】
1.一种支持样本间接式的行人再识别方法，其特征是按如下步骤进行：步骤1、利用拍摄区域无交集的两个摄像头Camera_P和Camera_Q分别获取行人训练图像集，记为行人训练图像集P＝{p1,p2,…,pi,…,pN}和行人匹配图像集Q＝{q1,q2,…,qi,…,qN}；且第i幅训练图像pi中的行人与第i幅匹配图像qi中的行人为同一个人；1≤i≤N；步骤2、特征提取将所述第i幅训练图像pi划分为U×V个小块；并提取所述第i幅训练图像pi中第m×n个小块的颜色直方图特征和SIFT特征后进行级联，得到所述第i幅训练图像pi中第m×n个小块的颜色SIFT特征，记为从而得到U×V个小块的颜色SIFT特征作为所述第i幅训练图像pi的密集颜色SIFT特征；同理可得，第i幅匹配图像qi的密集颜色SIFT特征；步骤3、支持样本的选取步骤3.1、从所述行人训练图像集P中选取任意第j幅训练图像pj，i≠j；利用欧式距离计算所述第i幅训练图像pi中第m×n个小块颜色SIFT特征与所述行为训练图像集P中任意第k幅训练图像pk中搜索域为T的所有小块的颜色SIFT特征的相似性得分，并选择所述搜索域T中所有小块的相似性得分最大值作为所述第i幅训练图像pi中第m×n个小块与第k训练图像pk的得分，从而得到所述第i幅训练图像pi中U×V个小块与第k幅训练图像pk的总得分进而得到所述第i幅训练图像pi中U×V个小块与N-2幅训练图像的总得分所述搜索域T的范围为u1≤m≤u2，1≤n≤V；k≠i；k≠j；同理可得所述第j幅训练图像pj中U×V个小块与N-2幅训练图像的总得分同理可得所述第i幅匹配图像qi中U×V个小块与N-2...

【专利技术属性】
技术研发人员：孙锐，方蔚，黄启恒，高隽，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：安徽,34