一种基于HSV和SDALF的行人重识别算法实现方法技术
【技术实现步骤摘要】
一种基于HSV和SDALF的行人重识别算法实现方法
本专利技术属于图像检索领域，具体涉及一种基于HSV和SDALF的行人重识别算法实现方法。
技术介绍
行人重识别是指利用计算机视觉技术判断图像序列中是否存在特定行人的技术。行人重识别技术主要是应用在视频监控、图像检索方面。在刑侦工作中，刑侦人员经常要浏览多个摄像头中的视频，查找某个特定的行人在哪些摄像头曾经出现过。目前行人重识别的方法很多，如专利号为CN201611199109.8的中国专利技术专利公开了一种基于深度学习和强化学习的行人重识别方法及系统，该行人重识别方法以及系统用包含了行人身份标签和朝向标签的行人训练数据集训练利用多任务学习方法构建的深度神经网络，然后根据预设的强化学习模型对决策空间中决策类别进行训练计算最优决策模型。该专利技术专利有效地提高了行人重识别的准确率，但是其不足之处在于训练神经网络时需要大量的数据，数据包括了行人图片和行人标签，在小数据量的行人图片库不适合用该专利技术专利公开的方法。专利号为201610922236.X的中国专利技术专利公开了一种行人重识别方法，该方法的行人特征提取主要采...
【技术保护点】
一种基于HSV和SDALF的行人重识别算法实现方法，其特征在于，该行人重识别算法实现方法包括以下步骤：步骤一：用摄像头采集行人视频数据；步骤二：运用离散傅立叶和局部频域特征提取视频中的运动对象，生成行人图片库；步骤三：从行人图片库中选出一张行人图片，用matlab内置函数rgb2hsv()将该RGB三通道图片转换成以HSV颜色空间表示的图片；步骤四：用Graph Cut算法将行人目标与背景区分并用matlab内置函数round()对行人目标进行对称分块，分别分为头部、上身左半部分、上身右半部分、下身左半部分和下身右半部分；步骤五：采用空间分布覆盖算子和色双边算子计算HSV直...
【技术特征摘要】
1.一种基于HSV和SDALF的行人重识别算法实现方法，其特征在于，该行人重识别算法实现方法包括以下步骤：步骤一：用摄像头采集行人视频数据；步骤二：运用离散傅立叶和局部频域特征提取视频中的运动对象，生成行人图片库；步骤三：从行人图片库中选出一张行人图片，用matlab内置函数rgb2hsv()将该RGB三通道图片转换成以HSV颜色空间表示的图片；步骤四：用GraphCut算法将行人目标与背景区分并用matlab内置函数round()对行人目标进行对称分块，分别分为头部、上身左半部分、上身右半部分、下身左半部分和下身右半部分；步骤五：采用空间分布覆盖算子和色双边算子计算HSV直方图并且得出行人特征描述符，再用欧几里得距离计算图片相似度；步骤六：用惩罚函数计算惩罚分数并根据惩罚分数高低对行人图片库中的行人图片进行排序并输出前六张行人图片，得到行人检测最终结果集；步骤七：最终结果集内的行人目标与步骤三中选出的行人图片中的行人目标一致。2.如权利要求1所述的一种基于HSV和SDALF的行人重识别算法实现方法，其特征在于，在步骤二中的运用离散傅立叶和局部频域特征提取运动对象方法，其具体实现过程如下：a.像素级局部频域特征提取：采用加窗的离散傅立叶变换从图像中的局部区域提取局部频域信息，给定一幅输入行人图像f(x)，其局部频域信息可通过加窗的离散傅立叶变换在像素x附近k×k大小的邻域窗口中计算得F(μ，x)＝∑f(x-y)exp{-j2πμTy}，其中y是大小为k×k的邻域窗口内的一个像素点，u＝[ux，uy]为频率向量，ux和uy分别表示图像行和列方向上的频率设置，j是虚数符号。b.视频背景建模：一段时长为t的视频帧序列进行局部频率模式操作后在位置x的特征序列可以表示为其中yi是3×3邻域内的第i个像素，M(x)为像素x在频率u上所获得响应的模值，若(M(yi)-M(x))≥0，则s(M(yi)-M(x))＝1，若(M(yi)-M(x))＜0，则s(M(yi)-M(x))＝0；因此，一个像素属于背景模型的概率为其中wi是对于每一个历史样本对应的权重系数，KH是代表带宽为H的核函数，B代表背景；当像素邻域估计的概率的中值大于所设定的阈值T则定为背景，否则为行人运动前景对象，3.如权利要求1所述的一种基于HSV和SDALF的行人重识别算法实现方法，其特征在于，在步骤四中的GraphCut算法...
【专利技术属性】
技术研发人员：张克华，田林晓，朱苗苗，金伦，马佳航，廖明，
申请(专利权)人：浙江师范大学，
类型：发明
国别省市：浙江,33
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。