The invention relates to a video analysis technique, in particular to a pedestrian retrieval method based on a neural network for multiple feature fusion. It is a pedestrian detection in video to calculate the characteristic, in the feature database to be tested for pedestrian sets, then query pedestrian computational features, and compared with the characteristics of database, get in front of the row for high similarity search results. The present invention by calculating a variety of search features and distance integration using the optimal distance weight of W, which makes the search results and to query the pedestrian upper and lower body are relatively similar, and by using the 1 feature distance sorting to improve the convenience of retrieval; with wide adaptability, high accuracy and simple characteristics. Can effectively solve the accuracy of pedestrian detection in video surveillance and retrieval based on similarity is low, combined with a variety of detection methods and characteristics of distance is not very good, the application is not wide, complex problems.
【技术实现步骤摘要】
一种基于神经网络进行多特征融合的行人检索方法
本专利技术涉及一种视频分析技术,具体涉及一种基于神经网络进行多特征融合的行人检索方法。
技术介绍
目前图像检索和行人检索的方法较多,如图像检索方法CEDD(CEDD:ColorandEdgeDirectivityDescriptor.ACompactDescriptorforImageIndexingandRetrieval,SavvasA.2008),行人检索方法WHOS(PersonRe-IdentificationbyIterativeRe-WeightedSparseRanking,GiuseppeLisanti,2015),这些方法对于一些科研数据集,如行人检索数据集ViPeRDataset(https://vision.soe.ucsc.edu/node/178),能够取得较好的检索效果,但是对于实际监控视频中的行人,检索不理想,需要整合形成新的检索特征。从检索结果的角度,有些方法,如WHOS,虽然检索结果中包含待查询行人,即检索成功,但是检索结果的其他行人和待查询行人的相似度不高,不能给使用者提供更多的参考信息,如待查询行人为上身蓝色衣服下身黑色裤子,检索结果中排在前面的表示相似度较大的一些行人,有很多不是“上身蓝下身黑”;而另外一些可按身体部位检索的方法,如:AGeneralMethodforAppearance-basedPeopleSearchBasedonTextualQueries,R.Satta,2012,检索结果和待查询行人的相似度较大,但是检索过程和特征距离比较复杂,需要显式的使用 ...
【技术保护点】
一种基于神经网络进行多特征融合的行人检索方法,其特征在于它包括以下步骤 :(1)提取CNN前景掩码:对于输入的视频和已经检测到的行人,采用GMM(Gaussian Mixture Model)计算行人方框内的GMM前景掩码,将方框包含的RGB图像块中与GMM前景掩码中的背景对应的部分的颜色改为灰色,这样可以消除背景区域的干扰;再利用视频中的运动信息计算行人方框中的每一像素点的光流矢量,然后将行人方框中的GMM前景掩码、光流矢量的幅度、光流矢量的方向和修改后的RGB图像块组合成为“行人掩码组合特征”,输入到“前景掩码CNN”中,得到区分上下半身的CNN前景掩码,即掩码取值只有:背景0、上半身1和下半身2;(2)计算检索特征向量:对于每个行人的RGB图像块和对应的区分上下半身的CNN前景掩码,分别计算全身、上半身和下半身前景掩码对应区域的HS、RGB、改进CEDD和改进WHOS特征,共计12种检索特征向量,并将待测行人集的检索特征向量保存于特征数据库中;其中,改进CEDD特征只计算前景掩码对应区域的像素点,而改进WHOS也只计算前景掩码对应区域的像素点,同时不计算HOG特征;(3)计算特征 ...
【技术特征摘要】
1.一种基于神经网络进行多特征融合的行人检索方法,其特征在于它包括以下步骤:(1)提取CNN前景掩码:对于输入的视频和已经检测到的行人,采用GMM(GaussianMixtureModel)计算行人方框内的GMM前景掩码,将方框包含的RGB图像块中与GMM前景掩码中的背景对应的部分的颜色改为灰色,这样可以消除背景区域的干扰;再利用视频中的运动信息计算行人方框中的每一像素点的光流矢量,然后将行人方框中的GMM前景掩码、光流矢量的幅度、光流矢量的方向和修改后的RGB图像块组合成为“行人掩码组合特征”,输入到“前景掩码CNN”中,得到区分上下半身的CNN前景掩码,即掩码取值只有:背景0、上半身1和下半身2;(2)计算检索特征向量:对于每个行人的RGB图像块和对应的区分上下半身的CNN前景掩码,分别计算全身、上半身和下半身前景掩码对应区域的HS、RGB、改进CEDD和改进WHOS特征,共计12种检索特征向量,并将待测行人集的检索特征向量保存于特征数据库中;其中,改进CEDD特征只计算前景掩码对应区域的像素点,而改进WHOS也只计算前景掩码对应区域的像素点,同时不计算HOG特征;(3)计算特征距离:对于2个行人的检索特征向量,采用Bhattachayya法和Tanimoto法分别计算对应的相同类型的子特征向量的距离,这样对于12种子特征共得到24种距离,组成1个24维的距离向量D;然后采用由“寻优CNN”求得的权值向量W将这1个距离向量转换为1个距离值,转换公式为d=W'D,其中:W为24维权值列向量,D为24维距离列向量,计算结果d为1个1x1维数值;为了得到与待查询行人的上下半身特征都相似的检索结果,本发明的方法使用1个特征距离并且不需要过滤处理;(4)排序和输出检索结果:对于待查询行人,利用(1)和(2)所述方法计算特征向量,然后采用(3)所述方法计算与特征数据库中的每一个待测行人之间的距离,最后将这些距离值进行排序得到检索结果,距离小表示相似程度高,距离大表示相似程度低。2.根据权利要求1所述的一种基于神经网络进行多特征融合的行人检索方法,其特征在于:步骤(1)中所述的计算行人的CNN前景掩码的具体步骤为:第一步训练“前景掩码CNN”,先准备训练样本,将监控视频中检测到的行人作为样本,缩放至P...
【专利技术属性】
技术研发人员:吴耀文,周学平,廖宜良,张修,吴颖波,张勇,
申请(专利权)人:国网湖北省电力公司荆州供电公司,湖北科能电力电子有限公司,
类型:发明
国别省市:湖北,42
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。