【技术实现步骤摘要】
判断目标行人在非重叠相机视角中出现的匹配方法
本专利技术涉及计算机图像处理
，特别涉及判断目标行人在非重叠相机视角中出现的匹配方法。
技术介绍
目前对于人体再识别的研究主要集中在两个方向：一是通过特征表示的方法，主要有局部特征集合(ELF),Fisher向量(LDFV),kBiCov,SDALF,LOMO特征表示等。这些方法多数是将图像的颜色特征与纹理特征以一定的比例融合，对融合后的特征向量采用合适的度量方式进行计算。其不足之处为对于不同类别图像的特征融合，其最优比例不同，导致算法无法广泛的应用在各种场合的行人再识别中；二是通过度量学习的方法进行人体再识别，常用的度量方式有欧式距离度量学习和马氏距离度量学习两种，对于欧氏距离度量方式而言，由于其对待每一个样本信息是平等的，因此并不能非常好的发掘出样本中具有判别类的信息。由于不同摄像机画面中行人的视角、姿态、光照、背景、遮挡等因素都不相同，使得同一目标行人在不同摄像机中出现的外观差异较大，如何解决这一问题是研究行人再识别算法的重难点。
技术实现思路
<...
【技术保护点】
1.判断目标行人在非重叠相机视角中出现的匹配方法，其特征在于，包括以下步骤；/n步骤一：/n通过基于图像显著性特征的人体再识别聚类算法，对图像进行预处理以及特征提取；/n步骤二：/n再使用K近邻高斯核函数均值漂移聚类算法寻找图像显著性特征；/n步骤三：/n通过加权马氏距离的度量方式计算出行人再识别的匹配结果。/n
【技术特征摘要】
1.判断目标行人在非重叠相机视角中出现的匹配方法，其特征在于，包括以下步骤；
步骤一：
通过基于图像显著性特征的人体再识别聚类算法，对图像进行预处理以及特征提取；
步骤二：
再使用K近邻高斯核函数均值漂移聚类算法寻找图像显著性特征；
步骤三：
通过加权马氏距离的度量方式计算出行人再识别的匹配结果。
2.根据权利要求1所述的判断目标行人在非重叠相机视角中出现的匹配方法，其特征在于，所述的步骤一使用横向均等分割方式将图像横向分割成4块尺寸大小相同的矩形，再对每一个图像块进行颜色特征和纹理特征的提取，在对图像进行特征提取前，首先要对图像进行增强处理，图像增强主要采用Retinex方法来实现，主要是由于在图像中，颜色是描述行人的主要特征，然而在采集行人图像时，由于摄像机视角的不同会引起不同的光照强度，对图像的颜色特征产生巨大的影响，导致对人体再识别准确率的降低，Retinex算法的作用是使处理后的图像具有和人类视觉感知而产生的图像具有相似或者一致的颜色模型，也就是消除或者降低由于不同相机视角不同光照强度变化而产生的问题，再对分割后的图像提取非均匀量化的HSV颜色特征以及SILTP纹理特征，描述颜色的最具代表性特征是颜色直方图，采用的色调饱和度透明度(hue,saturation,,value,HSV)颜色空间，RGB模型转到HSV模型的计算公式为：
V＝max(R,G,B)
将H,S,V三个分量按照人对颜色空间的感知进行非等间隔量化，将色调H空间分成16份，饱和度S和亮度V空间分别分成4份，根据色彩的不同范围和主观颜色感知进行非均匀量化，将三个颜色分量合成为一维特征向量：
L＝H·QS·QV+S·QS+V
式中,QS，QV分别是S和V的量化级数，取QS＝4，取QV＝4，故L的取值范围是[0,255]，最终计算出每张图片的颜色特征为一个256维的向量特征；
在图像纹理特征提取的方法中，SILTP特征值的具体计算方式如下：
设某一像素点的位置为(xc,yc)，则SILTP特征值可编码为：
其中，Ic，Ik分别代表中心像素点的灰度值以及距中心半径为R的邻域内的N个像素点的灰度值，代表比特连接运算符，将所有得到的比特值连接成一个完整的二进制数，τ表示尺度系数，它决定着比较的范围，Sτ是一种分段函数，具体如下：
3.根据权利要求1所述的判断目标行人在非重叠相机视角中出现的匹配方法，其特征在于，所述的步骤二利用k近邻高斯核函数均值漂移算法对多个样本的相同位置的图像块进行聚类处理，根据处理结果确定图像显著性区域，并对图像的显著性区域特征赋予权值；
所述的表达式为：
式中h为带宽，g为高斯核函数，x0为迭代初始点，xi为随机样本点，xi的取值为所述步骤一中提取的图像颜色特征以及纹理特征叠加的高维向量值，其迭代方式是以选定的迭代初始点为中心，求以带宽h为半径的高维球内所有样本点的均值漂移转移向量和，带宽h的大小取决于距离中心点最小的的k个样本，通过降低迭代计算量和减少迭代次数来提高算法效率，其表达式为：
式中为样本点与中心点的距离，取k＝50。
4.根据权利要求3所述的判断目标行人在非重叠相机视角中出现的匹配...
【专利技术属性】
技术研发人员：马宗方，魏皓，宋琳，罗婵，
申请(专利权)人：西安建筑科技大学，
类型：发明
国别省市：陕西;61
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。