一种行人图像属性特征量化的方法技术

本发明专利技术公开了一种行人图像属性特征量化的方法，包括：根据预设的像素值区间到颜色单词的映射关系，由待量化图像中每个像素值确定对应的颜色单词，其中，对每幅含有行人信息的训练图像中所有像素值进行归纳，得到颜色单词；计算每个像素点颜色单词分别属于每类颜色主题的概率，将待量化图像表示成每个像素点对应有维度与颜色主题数量一致的主题概率向量，其中，基于不同颜色单词对训练数据中行人特征的贡献，计算不同颜色单词间的相关性并将关联紧密的颜色单词进行聚合，得到不同类别颜色主题；将待量化图像中各像素点对应的主题概率向量进行串联，利用串联结果描述待量化图像的属性量化特征。本发明专利技术提高了行人特征量化结果的准确性和鲁棒性。

A Quantification Method of Pedestrian Image Attribute Features

【技术实现步骤摘要】
一种行人图像属性特征量化的方法
本专利技术涉及行人图像特征提取
，具体地说，是涉及一种行人图像属性特征量化方法。
技术介绍
颜色特征识别及量化处理技术被广泛应用于表示行人图像的属性特征之中。颜色特征的基本目标是对图像中颜色信息进行编码，使颜色特征能够对照明和视点的变化具有鲁棒性。目前，很多的行人图像的颜色特征提取方法是利用HSV、RGB等颜色空间的直方图进行表达。这种方法的主要步骤是把待量化图像分成小块，在每一块中统计出像素点的像素值，并把像素值的取值范围划分为多个区域进行量化。这种方法，只是简单的统计图像中每个局部区域所有像素的值，无法直观的给出待量化图像整体的颜色趋势，而且，对于光照和视角的变化比较敏感。另外，现有行人图像的颜色特征提取技术中，有一些基于颜色单词的特征量化方法。但是，这些方法都是利用很多外部数据，例如：一些包含自然场景图片的不含有行人特征的图像数据，来得到颜色单词的。利用这些外部数据得到的颜色单词，来对当前含有行人信息的待量化图像进行表达，会因外部数据中的光照强度等因素影响造成最终的量化结果的偏差。因为，在这种颜色单词的归纳过程方法中，最终得到的颜色单词的数据分布规律与当前行人特征提取任务中的颜色特征数据分布规律并不一致，当前待量化图像数据中可能存在一些因受外部数据影响的未归纳出的与行人特征提取任务无关的颜色单词，而缺少某些与行人特征提取任务具有强相关性的颜色单词，从而使得最终的量化结果与实际的行人特征之间造成偏差，影响最终行人图像中的颜色属性特征量化表达的准确度和精度。
技术实现思路
为了解决上述技术问题，本专利技术提供了一种行人图像属性特征量化的方法，包括：根据预设的像素值区间到颜色单词的映射关系，由待量化图像中每个像素值确定对应的颜色单词，其中，对每幅含有行人信息的训练图像中所有像素值进行归纳，得到所述颜色单词；计算每个像素点的颜色单词分别属于每类颜色主题的概率，将所述待量化图像表示成每个像素点对应有维度与颜色主题数量一致的主题概率向量，其中，基于不同颜色单词对训练数据中行人特征的贡献，计算不同颜色单词间的相关性并将关联紧密的颜色单词进行聚合，得到不同类别的所述颜色主题；将所述待量化图像中各像素点对应的主题概率向量进行串联，利用串联结果描述所述待量化图像的颜色属性特征。优选地，在形成所述颜色主题过程中，包括：根据每种颜色单词的不同通道像素值，计算任两种颜色单词之间的语义相关性；将每幅训练图像表示成每个像素点对应有维度与颜色单词数量一致的单词概率向量，基于此，计算每个颜色单词在每幅训练图像中的词频、以及每个颜色单词在所有训练图像中出现的概率，进一步得到每个颜色单词相对于所有训练图像的词频与图像频率指数，以表征该种颜色单词对所述训练数据中行人特征的贡献；基于成对的行人身份相关性约束条件，根据不同颜色单词之间的语义相关性和所述词频与图像频率指数，统计在所述训练数据内出现的所有颜色单词中任两种颜色对之间的相关性，得到相应的行人属性单词相关性；将多个针对每种颜色对的所述行人属性单词相关性进行聚合处理，形成所述颜色主题。优选地，在基于成对的行人身份相关性约束条件，根据不同颜色单词之间的语义相关性和所述词频与图像频率指数，统计在所述训练数据内出现的所有颜色单词中任两种颜色对之间的相关性，得到相应的行人属性单词相关性步骤中，进一步包括：S1，从所述训练数据中任意抽选两幅训练图像，基于该图像对的所述行人身份相关性约束条件，根据这两幅训练图像中出现的每种颜色单词的所述词频与图像频率指数，计算该图像对中出现的每种颜色对的贡献率指数相关性；S2，判断是否需要继续抽取训练图像对，若需要，则抽选任意两幅训练图像，实施步骤S1，否则，进入到步骤S3；S3，基于步骤S1和步骤S2的计算结果，将所有已抽选图像对中的同种颜色对的所述贡献率指数相关性进行求和处理，结合这种颜色对的所述语义相关性，得到相应的所述行人属性单词相关性。优选地，在步骤S1中，进一步包括：S11，选取第一幅训练图像中的一个像素点，记录该像素点所在的行数；S12，判断该图像对是否满足所述行人身份相关性约束条件，分别计算该像素点对应的颜色单词与第二幅图像中同一行的每个像素点对应的颜色单词之间的相关性，基于此，得到相应的多个第一相关性结果；S13，判断是否遍历完所述第一幅训练图像中的每一个像素点，若没有，则选取下一个像素点，并依次实施步骤S11、及步骤S12，否则，进入到步骤S14；S14，将这两幅训练图像中属于同种颜色对的所述第一相关性结果进行求和处理，得到针对这种颜色对的所述贡献率指数相关性。优选地，在步骤S1中，还包括：按照预设的一定面积的局部块阈值，将已抽选的两幅训练图像分别划分成若干个局部图像块，并将每个所述局部图像块作为计算所述贡献率指数相关性过程中的像素点，并确定每个所述局部图像块对应的像素值；利用所述像素值区间到颜色单词的映射关系，由每个所述局部图像块的像素值确定出相应的所述颜色单词。优选地，在将多个针对每种颜色对的所述行人属性单词相关性进行聚合处理，形成所述颜色主题步骤中，进一步包括：将每种颜色单词作为节点，并将与当前节点有相关性配对关系的颜色单词作为所述当前节点的邻节点，构建颜色对相关性图模型；遍历所述颜色对相关性图模型中的每个节点，判断当前节点与其临界点之间的所述行人属性单词相关性是否满足主题归纳条件，若满足，则表征二者之间的关联紧密，将这两个颜色节点归纳为同一颜色主题。优选地，在归纳所述颜色单词过程中，包括：采用K近邻算法，基于预设种类的颜色空间，对所述训练数据中每幅训练图像内的所有像素值进行聚类分析处理，形成有在该颜色空间中的符合行人特征分布规律的颜色单词。优选地，在根据预设的像素值区间到颜色单词的映射关系，由待量化图像中每个像素值确定对应的颜色单词，其中，对每幅含有行人信息的训练图像中所有像素值进行归纳，得到所述颜色单词步骤中，包括：确定图像中当前像素点所在的区间单元，其中，基于当前颜色空间中的每个颜色单词内所包含的N个颜色通道，将每个颜色通道划分为m个区间，构成包括mN个区间单元的颜色空间；利用所述像素值区间到颜色单词的映射关系，计算当前区间单元映射到每个所述颜色单词的可能性概率，并将所有可能性概率中的最大值对应的颜色单词确定为当前像素点的颜色单词。优选地，在将所述待量化图像中各像素点对应的主题概率向量进行串联，利用串联结果描述所述待量化图像的颜色属性特征步骤中，包括：将所述待量化图像分为多个局部区域块；确定每个所述局部区域块内各像素点对应的主题概率向量的均值向量，并将其作为每个局部区域块对应的主题概率向量；将所述每个局部区域块对应的均值向量进行串联，得到相应的串联结果。优选地，在计算当前区间单元映射到每个所述颜色单词的可能性概率步骤中，包括：计算选择任一所述颜色单词的第一概率；基于所述训练数据中的所有像素点对应的像素值，计算落在所述当前区间单元的第二概率；在预先确定好颜色单词的情况下，计算该颜色单词属于所述当前区间单元的第三概率；根据所述第一概率、所述第二概率和所述第三概率，得到所述当前区间单元映射到该颜色单词的所述可能性概率。与现有技术相比，上述方案中的一个或多个实施例可以具有如下优点或有益效果：本专利技术提本文档来自技高网...

【技术保护点】
1.一种行人图像属性特征量化的方法，包括：根据预设的像素值区间到颜色单词的映射关系，由待量化图像中每个像素值确定对应的颜色单词，其中，对每幅含有行人信息的训练图像中所有像素值进行归纳，得到所述颜色单词；计算每个像素点的颜色单词分别属于每类颜色主题的概率，将所述待量化图像表示成每个像素点对应有维度与颜色主题数量一致的主题概率向量，其中，基于不同颜色单词对训练数据中行人特征的贡献，计算不同颜色单词间的相关性并将关联紧密的颜色单词进行聚合，得到不同类别的所述颜色主题；将所述待量化图像中各像素点对应的主题概率向量进行串联，利用串联结果描述所述待量化图像的颜色属性特征。

【技术特征摘要】
1.一种行人图像属性特征量化的方法，包括：根据预设的像素值区间到颜色单词的映射关系，由待量化图像中每个像素值确定对应的颜色单词，其中，对每幅含有行人信息的训练图像中所有像素值进行归纳，得到所述颜色单词；计算每个像素点的颜色单词分别属于每类颜色主题的概率，将所述待量化图像表示成每个像素点对应有维度与颜色主题数量一致的主题概率向量，其中，基于不同颜色单词对训练数据中行人特征的贡献，计算不同颜色单词间的相关性并将关联紧密的颜色单词进行聚合，得到不同类别的所述颜色主题；将所述待量化图像中各像素点对应的主题概率向量进行串联，利用串联结果描述所述待量化图像的颜色属性特征。2.根据权利要求1所述的方法，其特征在于，在形成所述颜色主题过程中，包括：根据每种颜色单词的不同通道像素值，计算任两种颜色单词之间的语义相关性；将每幅训练图像表示成每个像素点对应有维度与颜色单词数量一致的单词概率向量，基于此，计算每个颜色单词在每幅训练图像中的词频、以及每个颜色单词在所有训练图像中出现的概率，进一步得到每个颜色单词相对于所有训练图像的词频与图像频率指数，以表征该种颜色单词对所述训练数据中行人特征的贡献；基于成对的行人身份相关性约束条件，根据不同颜色单词之间的语义相关性和所述词频与图像频率指数，统计在所述训练数据内出现的所有颜色单词中任两种颜色对之间的相关性，得到相应的行人属性单词相关性；将多个针对每种颜色对的所述行人属性单词相关性进行聚合处理，形成所述颜色主题。3.根据权利要求2所述的方法，其特征在于，在基于成对的行人身份相关性约束条件，根据不同颜色单词之间的语义相关性和所述词频与图像频率指数，统计在所述训练数据内出现的所有颜色单词中任两种颜色对之间的相关性，得到相应的行人属性单词相关性步骤中，进一步包括：S1，从所述训练数据中任意抽选两幅训练图像，基于该图像对的所述行人身份相关性约束条件，根据这两幅训练图像中出现的每种颜色单词的所述词频与图像频率指数，计算该图像对中出现的每种颜色对的贡献率指数相关性；S2，判断是否需要继续抽取训练图像对，若需要，则抽选任意两幅训练图像，实施步骤S1，否则，进入到步骤S3；S3，基于步骤S1和步骤S2的计算结果，将所有已抽选图像对中的同种颜色对的所述贡献率指数相关性进行求和处理，结合这种颜色对的所述语义相关性，得到相应的所述行人属性单词相关性。4.根据权利要求3所述的方法，其特征在于，在步骤S1中，进一步包括：S11，选取第一幅训练图像中的一个像素点，记录该像素点所在的行数；S12，判断该图像对是否满足所述行人身份相关性约束条件，分别计算该像素点对应的颜色单词与第二幅图像中同一行的每个像素点对应的颜色单词之间的相关性，基于此，得到相应的多个第一相关性结果；S13，判断是否遍历完所述第一幅训练图像中的每一个像素点，若没有，则选取下一个像素点，并依次实施步骤S11、及步骤S12，否则，进入到步骤S14；S14，将这两...

【专利技术属性】
技术研发人员：王蕴红，张少雄，刘峥，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京,11