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 ...
【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
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。