基于多特征融合的行人重识别方法技术

本发明专利技术公开了基于多特征融合的行人重识别方法。首先执行行人的提取，将行人从背景中提取出来；其次执行人体部位识别，识别出人体突出的三个部分；然后执行多个特征的提取，建立行人的特征表示模型；接下来对行人特征表示模型进行特征变化，以消除不同摄像机特征空间分布不一致的影响；接下来根据变换后的多个特征设计一个适合行人重识别的距离度量方法；最后执行应用提出的距离度量方法对训练集与测试集的行人特征表示模型进行距离度量，得出匹配结果，实现在广域摄像网络的行人重识别。本发明专利技术基于多特征融合的行人重识别方法能够建立一个鲁棒的特征表示模型和一个适合行人重识别的距离度量方法，实现在广域摄像网络的行人重识别。

Pedestrian Recognition Based on Multi-feature Fusion

The invention discloses a pedestrian recognition method based on multi-feature fusion. Firstly, pedestrian extraction is performed to extract pedestrians from the background; secondly, human part recognition is performed to identify the three parts of human prominence; secondly, multi-feature extraction is performed to establish the pedestrian feature representation model; secondly, the pedestrian feature representation model is changed to eliminate different camera features. The influence of spatial distribution inconsistency; Next, a distance measurement method suitable for pedestrian recognition is designed according to the transformed features; Finally, the distance measurement of pedestrian feature representation model of training set and test set is carried out by using the proposed distance measurement method, and the matching results are obtained, which can be realized in wide area camera network. Pedestrian recognition. The pedestrian re-recognition method based on multi-feature fusion can establish a robust feature representation model and a distance measurement method suitable for pedestrian re-recognition, and realize pedestrian re-recognition in wide area video network.

【技术实现步骤摘要】
基于多特征融合的行人重识别方法
本专利技术属于图像检索
，涉及一种基于多特征融合的行人重识别方法与一种加权的距离度量方法。
技术介绍
近年来，人工智能的一门分支学科“机器视觉”被广泛重视，它通过研究相关的理论和技术，建立能从图像或视频中获取“感兴趣信息”的智能系统，使计算机代替人眼及大脑，对周围环境进行感知、解释和理解。而随着科技的进步，摄像机已经被广泛用于对各种场所的实时监控，例如：市区道路、学校、广场、军事基地等等。随着监控摄像机越来越普遍的应用，传统的依靠人工的监控方式已经很难在有限的时间内完成如此巨大的工作量，因此，监控的自动化和智能化成为了监控领域的发展趋势。在广域摄相机网络中跟踪一个行人是一个棘手的问题，近几年，大型摄相机网络监控系统有了更高安全性的迫切要求。传感器的价格大幅下降，极大地促进了广域摄相机网络的快速发展。尽管如此，随着公共场所规模的不断增长，很难在每一个场所都部署一个摄像头，事实上，在大多数广域摄相机网络中，总有一些区域不能被摄像机覆盖。这些被称为“盲区”的区域非常的关键，因为很难从“盲区”获得任何信息。这个问题引出了一个新的问题，通常被称为行人重识别本文档来自技高网...

【技术保护点】
1.基于多特征融合的行人重识别方法，其特征在于，包括以下步骤：步骤1、对训练集中的图像进行行人的提取，将行人从图片背景中提取出来；步骤2、对步骤1得到的行人图像进行人体部位识别，将人体分为头部、上半身与下半身三部分；步骤3、利用步骤2得到的人体三个部分，在上半身与下半身分别提取颜色特征、轮廓特征与纹理特征，在头部提取颜色特征与轮廓特征，根据获取的诸多特征建立此行人的特征表示模型；步骤4、将步骤3得到的两个行人的特征表示模型进行特征变换，通过学习一个特征投影矩阵，将摄像头A下行人图像的特征向量变换到摄像头B下行人图像的特征空间中，从而消除不同监控摄像头特征空间分布不一致问题；步骤5、在马氏距离函...

【技术特征摘要】
1.基于多特征融合的行人重识别方法，其特征在于，包括以下步骤：步骤1、对训练集中的图像进行行人的提取，将行人从图片背景中提取出来；步骤2、对步骤1得到的行人图像进行人体部位识别，将人体分为头部、上半身与下半身三部分；步骤3、利用步骤2得到的人体三个部分，在上半身与下半身分别提取颜色特征、轮廓特征与纹理特征，在头部提取颜色特征与轮廓特征，根据获取的诸多特征建立此行人的特征表示模型；步骤4、将步骤3得到的两个行人的特征表示模型进行特征变换，通过学习一个特征投影矩阵，将摄像头A下行人图像的特征向量变换到摄像头B下行人图像的特征空间中，从而消除不同监控摄像头特征空间分布不一致问题；步骤5、在马氏距离函数的基础上，将步骤4变换后的颜色特征、轮廓特征和纹理特征之间的距离进行加权组合，得到一种加权距离度量方法；步骤6、对测试集中的行人图像也进行步骤1-3的处理，对步骤3得到的训练集与测试集的行人特征表示模型经步骤4特征变换后，再使用步骤5的距离度量方法进行距离度量，得出匹配结果。2.根据权利要求1所述的基于多特征融合的行人重识别方法，其特征在于，所述步骤3具体按照以下方法实施：步骤3.1、在提取颜色特征之前，先对行人图像进行如下处理：将每个行人图像投影到HSV颜色空间中，为了应对光照变化和颜色变化，先利用SIFT特征计算出关键点坐标，再以其为圆心提取一个圆形区域，具体如下：对于每一个SIFT特征关键点向量k＝[x,y]T-其中x和y是关键点的坐标-提取以k为中心Φ为半径的圆形图像区域S；步骤3.2、经步骤3.1后，进行加权高斯颜色直方图特征的提取，具体方法如下：在每个提取的S区域利用高斯分布函数计算加权高斯色直方图特征向量bi和i分别表示直方图的bins和提取直方图的图像通道；步骤3.3、轮廓特征是利用分层梯度方向直方图提取的，具体方法为：首先将行人图像投影到HSV颜色空间中，然后提取三个PHOG特征向量m和i分别是直方图的bins和提取直方图的图像通道。PHOG特征最终在中积累，I是图像通道的总数量；步骤3.4、步骤3.2、3.3都是在人体三个部分均提取了特征，但纹理特征仅在上半身与下半身提取，因为头部的纹理特征没有较高的区别度，具体方法如下：Haralick纹理特征是基于灰度共生矩阵提取的，所以识别出的人体部位首先被转换到灰度颜色空间，为了降低计算成本，上半身(T)和下半身(L)两个区域都被扩展到Ng灰度级别，利用四邻接分别从四个方向计算灰度共生矩阵，四个灰度共生矩阵最终被用来提取Haralick的特征f1，f2，…，f14，因此，分别提取出两个特征向量：和步骤3.5、利用步骤3.1-3.4提取的诸多特征得到行人特征表示模型。3.根据权利要求1所述的基于多特征融合的行人重识别方法，其特征在于，所述步骤4具体按照以下方法实施：步骤4.1、给定两个行人图像的特征向量Xa和Xb，其距离可以定义为一种马氏距离形式的距离：D(Xa,Xb)＝(Xa-Xb)...

【专利技术属性】
技术研发人员：廖开阳，李聪，武吉梅，赵凡，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：陕西,61