【技术实现步骤摘要】
一种基于多元空间轨迹关联的行人身份识别方法
本专利技术属于监控视频检索
，涉及一种行人身份识别方法，具体涉及一种多元轨迹关联的行人身份识别方法。技术背景随着监控视频在公安业务的广泛应用，从视频录像中发现案件线索、追踪嫌疑目标的视频侦查技术已成为继刑事技术、行动技术、网侦技术之后侦查破案的第四大技术手段，在案件侦破中发挥着日益重要的作用。目前行人重识别技术作为视频侦查技术的主要技术之一发展迅速，其主要关注行人的外观特征进行度量计算。但在真实的侦查环境中，需要从大范围的搜索场景下检索目标人员，在大范围的搜索场景下，监控摄像机覆盖范围广，监控背景变化大；监控时间跨度大，同一行人由于姿态变化导致外观变化较大；在监控场景下存在大量无关人员，他们可能与目标人员具有相似的外观特征：实际监控场景下的上述特点给行人身份识别带来巨大的挑战。传统的身份识别方法(文献1、文献2、文献3)利用监控视频内容进行分析，是指在无覆盖的摄像机视角下在图像候选库中检索与查询图像包含同一个行人的图像，分为基于行人外观特征和基于时空约束的身份识别...
【技术保护点】
1.一种基于多元空间轨迹关联的行人身份识别方法，其特征在于，包括以下步骤：/n步骤1：根据检测到的移动设备定位的地理轨迹筛选已知路径上的视频图像；/n步骤2：对图像路径建立隐马尔可夫模型；/n步骤3：找到最大关联概率的图像路径，检索出目标人物在已知地理路径上每一个监控点下的图像。/n
【技术特征摘要】
1.一种基于多元空间轨迹关联的行人身份识别方法，其特征在于，包括以下步骤：
步骤1：根据检测到的移动设备定位的地理轨迹筛选已知路径上的视频图像；
步骤2：对图像路径建立隐马尔可夫模型；
步骤3：找到最大关联概率的图像路径，检索出目标人物在已知地理路径上每一个监控点下的图像。
2.根据权利要求1所述的基于多元空间轨迹关联的行人身份识别方法，其特征在于：步骤1中，根据移动设备信号路径提取摄像机网络下符合时间约束的全部图像，并检索已知路径上的监控点信息；
所述移动设备信号路径p由GPS定位信息(Lngi,Lati)和时间戳信息ti两种信息进行描述，形式如下：
p＝{(Lng1,Lat1,t1),(Lng2,Lat2,t2),...,(Lngi,Lati,ti)...,(Lnge,Late,te)}；
其中，Lngi表示定位点的经度，Lngi表示定位点的纬度；
所述提取摄像机网络下符合时间约束的全部图像和检索已知路径上的监控点信息，具体实现包括以下子步骤：
步骤1.1：获取移动设备信号路径的起点时间t1和终点时间te，在摄像机网络下提取在[t1,te]时间段内被捕捉的图像，形成候选集；
步骤1.2：遍历移动设备信号路径下的每一个定位点信息，以定位点为圆心，半径为50米，搜索覆盖范围内的摄像头，将移动设备信号路径转化成摄像机网络下的摄像机序列；表示形式如下：
ck＝{i-cj|1≤i≤n,1≤j≤N}；
其中，i表示路径监控点索引，ck第k条移动设备信号路径的监控点序列，cj表示在监控点序列中的第j个监控摄像机；j表示摄像机网络下的摄像机索引，n表示地理路径上的监控点数量，N表示摄像机网络下的摄像机数量。
3.根据权利要求2所述的基于多元空间轨迹关联的行人身份识别方法，其特征在于，步骤2的具体实现包括以下子步骤：
步骤2.1：计算隐藏状态转移概率矩阵集合；
所述隐藏状态转移概率矩阵集合A是由移动设备信号路径对应的摄像机序列中每两个相邻的摄像机间的状态转移概率矩阵组成；
A＝{[spq]γ|1≤γ≤n-1}；
其中γ表示状态转移矩阵的索引，n表示已知路径上的监控点数，[spq]表示转移概率矩阵，由两个相邻监控点下的状态转移概率组成；
所述状态转移概率是指候选集中任意两张图像的视觉相似度，用表示，表示地理路径上第i-1个监控点下的第p张图像，表示地理路径上第i个监控点下的第q张图像；
步骤2.2：计算初始概率矩阵；
所述初始状态概率矩阵π由第一个监控点下每个图像的初始概率组成；
π＝{πt|1≤t≤m}；
其中m表示在第一个监控点下的图像数量，πt表示每一个图像是目标人物图像的概率；所述初始状态概率是指在第一个监控点下的图像是目标人物图像的概率；
步骤2.3：计算观测概率矩阵；
所述观测概率矩阵B是指当前图像生成可观测监控点的概率；
其中，Si表示当前图像，为被第i个监控点捕捉的第q张图像；的含义为在已知路径上当前监控点的状态是的条件下，被摄像机cj捕捉的概率；
步骤2.4：建立隐马尔可夫模型λ；
λ＝(A,B...
【专利技术属性】
技术研发人员：陈军，黄文心，李东阳，高熙越，
申请(专利权)人：武汉大学，
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。