【技术实现步骤摘要】
一种行人重识别系统与方法
本专利技术涉及图像识别领域，尤其是一种检索图像中特定行人的行人重识别系统，还涉及一种行人重识别方法。
技术介绍
行人重识别旨在从具有不同摄像机视角的参考图像集中检索相同的行人。行人重识别是视频监控和公共安全中的一个重要且具有挑战性的课题，目前的行人重识别一般是通过待测图像与参考图像的图像相似度在参考图像数据集中进行检索，然后根据相似度的高低进行排序，然后将与待测图像相似度最高的参考图像作为top-1。对于行人重识别的相似度计算部分，由于受到摄像机角度和人体姿势的变化，行人重识别主要面临以下挑战：如图1中(a)所示，图像中的局部身体区域错位，红色框检测头部，但黄色框只能找到背景，提升了比较难度；如图1中(b)所示，遮挡，红色框可以检测到下半身区域，但在相应的黄色框中，下半身被遮挡；如图1中(c)所示，不同行人的相似外观，局部特征在此刻起重要作用，不同的行人可以通过红色和黄色检测框的细节信息来区分。此外，由于参考图像数据集中既存在正样本，又存在负样本，负样本对图像相似度计算存在干扰，由于正样本存在拍照角度、遮挡等问题，这会造成某些角度或没有遮...
【技术保护点】
1.一种行人重识别系统，其特征在于：包括用于计算待测图像p与初始参考图像集G中各参考图像的图像相似度的多流特征距离融合系统以及用于根据图像相似度对参考图像进行排序的排序系统；所述多流特征距离融合系统包括逐级连接的多流特征提取网络、贡献系数自适应生成模块与距离融合模块；多流特征提取网络包括用于提取输入图像的特征图的特征图提取网络，所述特征图包括全局特征图与n个区域特征图，输入图像包括待测图像p与参考图像；多流特征提取网络还包括用于分别从各特征图中提取相应特征的特征提取网络；多流特征提取网络能够将特征图输出给贡献系数自适应生成模块，并能将提取到的特征输出给距离融合模块；贡献系数...
【技术特征摘要】
1.一种行人重识别系统，其特征在于：包括用于计算待测图像p与初始参考图像集G中各参考图像的图像相似度的多流特征距离融合系统以及用于根据图像相似度对参考图像进行排序的排序系统；所述多流特征距离融合系统包括逐级连接的多流特征提取网络、贡献系数自适应生成模块与距离融合模块；多流特征提取网络包括用于提取输入图像的特征图的特征图提取网络，所述特征图包括全局特征图与n个区域特征图，输入图像包括待测图像p与参考图像；多流特征提取网络还包括用于分别从各特征图中提取相应特征的特征提取网络；多流特征提取网络能够将特征图输出给贡献系数自适应生成模块，并能将提取到的特征输出给距离融合模块；贡献系数自适应生成模块包括激活比计算模块与用于根据各区域特征图的激活比计算各区域特征的贡献系数的贡献度映射模块；所述激活比是指区域特征图上的非零值点的数量与全局特征图上的非零值点的数量的比率；所述贡献系数是指全局特征或区域特征对融合距离的贡献程度；全局特征贡献系数恒为1；距离融合模块用于根据待测图像p的各特征与参考图像的各特征计算相应特征之间的特征距离，并利用各特征的贡献系数将各特征距离融合成多流特征距离；然后采用多流特征距离作为图像相似度指标：多流特征距离越小，图像相似度越高，多流特征距离越大，图像相似度越低。2.根据权利要求1所述的行人重识别系统，其特征在于：所述特征图提取网络包括用于在输入图像上分割出n-1个局部区域的区域分割网络、用于去除输入图像的背景的语义分割模块、用于提取输入图像的全局特征图的全局特征图提取网络以及用于根据区域分割网络所分割出的各局部区域在全局特征图上提取出相应区域特征图的池化模块；输入图像经语义分割模块去除背景后作为第n个区域特征图。3.根据权利要求2所述的行人重识别系统，其特征在于：所述区域分割网络为身体分割提取网络。4.根据权利要求1所述的行人重识别系统，其特征在于：所述激活比计算模块按如下公式计算激活比ar：其中，N表示特征图的维度，Hl、Wl分别是区域特征图的高度尺寸、宽度尺寸，Hg、Wg分别是全局特征图的高度尺寸、宽度尺寸；其中，P(i,j,k)表示区域特征图上特征点的值；其中，P(i,j,k)表示区域特征图上特征点的值。5.根据权利要求1所述的行人重识别系统，其特征在于：贡献度映射模块以激活比作为自变量，以贡献系数作为因变量，按如下映射函数将激活比映射出贡献系数：f(x)＝A/(1+e-D(x-C))+B；其中，x是激活比；e是自然常数；A、B、C和D均是公式参数，并根据激活比取值区间[μ1,μ2]与贡献系数取值区间[λ1,λ2]分别按以下公式计算：A＝γ2-γ1；B＝γ1；D＝min{D|f(μ1)-γ1＜0.01,f(μ2)-γ1＜0.01,D∈N*}；其中，表示N*表示正整数；0≤μ1≤1，0≤μ2≤1，0≤λ1≤1，0≤λ2≤1。6.根据权利要求5所述的行人重识别系统，其特征在于：距离融合模块按如下公式计算多流特征距离R：R＝Cg.dg(Ip,Ig)+C1.d1(Ip,Ig)+......+Cn.dn(Ip,Ig)其中，Cg表示全局特征贡献系数；dg(Ip,Ig)表示待测图像的全局特征与参考图像的全局特征的特征距离，即欧氏距离；d1(Ip,Ig)......dn(Ip,Ig)分别表示待测图像的各区域特征到参考图像的各对应区域特征的欧氏距离。7.根据权利要求5所述的行人重识别系统，其特征在于：激活比取值区间采用激活比优化区间，以对激活比进行约束：贡献系数取值区间采用贡献系数优化区间，以对贡献系数进行约束：当激活比计算模块计算出的激活比在激活比优化区间外时，通过所述映射函数就能将激活比所对应的贡献系数映射到贡献系数优化区间内。8.根据权利要求1所述的行人重识别系统，其特征在于：所述排序系统包括初始排序列表生成模块：用于根据待试图像与各参考图像的图像相似度，从高到低进行排序，从而获得初始排序列表其中，是在初始排序列表中排在第i位的参考图像，N表示初始参考图像集G中参考图像总数量；还包括基于k邻域分布得分的重排序系统，用于在初始排序列表的基础上，根据k邻域分布得分对初始排序列表中的参考图像进行重新排序，并包括以下功能模块：扩展查询集生成模块：用于建立待试图像p的扩展查询集Q(p,k)，按如下公式：Q(p,k)＝{p}+N(p,k-1)；其中，p为待试图像，N(p,k-1)来自于初始排序列表Ω(p,G)中的前k-1张参考图像，待试图像集重生成模块：用于根据初始排序列表生成新的待试图像集并且，参考图像集重生成模块：用于将待试图像p添加到初始参考图像集G中，从而得到新的参考图像集Gnew＝{p}+G；临时排序列表生成模块：用于计算以Pnew中各图像依次作为新的待试图像到新的参考图像集Gnew中各参考图像的图像相似度，并根据图像相似度从高到低对新的参考图像集Gnew中各参考图像进行排序，从而对应每个新的待试图像均获得临时排序列表；排序位置搜索模块：用于根据Pnew中各新的待试图像所对应的临时排序列表，搜索扩展查询集Q(p,k)中k张图像在各个临时排序列表中的排序位置L；得分计算模块：用于计算初始排序列表Ω(p...
【专利技术属性】
技术研发人员：黄智勇，汪余杰，林爽，虞智，李银松，孙大明，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆,50
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。