监控视频噪声环境下跨摄像头行人重识别方法技术

本发明专利技术公开了一种监控视频噪声环境下跨摄像头行人重识别方法，包括以下步骤：对监控视频中含有噪声的行人数据集进行双域滤波去噪处理，获得行人图像的高频图、噪声的低频图；对图片构建三元组，规定好损失函数；对三元组的图片输入到特征提取网络中，提取特征；利用距离度量方法来计算行人特征的差异性，将特征向量，进行k

【技术实现步骤摘要】
监控视频噪声环境下跨摄像头行人重识别方法


[0001]本专利技术涉及视频图像处理
，具体涉及一种监控视频噪声环境下跨摄像头行人重识别方法。

技术介绍

[0002]行人重识别(Person Re
‑
identification)也称行人再识别，简称为ReID，是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术，被认为是一个图像检索的子问题，实现跨监控设备间的行人图像检索。
[0003]由于光照变化、复杂背景变换、低分辨率图像、遮挡、不同行人的相似着装等复杂应用环境，使得行人重识别研究仍然非常具有挑战性。
[0004]目前在行人重识别领域中，一项新的挑战是在一些照明度不足、天气条件恶劣，如夜晚、雨雾天气等环境下，大部分模型都将很难获得具有足够表达能力的行人特征。
[0005]这些问题主要是由于摄像头获取的图像被噪声所淹没，提升了有效信息的提取难度。在图像的频率域中，低频部分往往是图像中像素值连续渐变的区域，即相对变化较小，梯度值较低，主要以图像的大致轮廓和整体内容为主，是图像大尺度上的风本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种监控视频噪声环境下跨摄像头行人重识别方法，其特征在于，包括以下步骤：步骤(1)，对监控视频中含有噪声的行人数据集进行双域滤波去噪处理，获得行人图像的高频图、噪声的低频图；步骤(2)，对所述步骤(1)中的图片构建三元组，规定好损失函数；步骤(3)，对三元组的图片输入到特征提取网络中，提取特征；步骤(4)，利用距离度量方法来计算行人特征的差异性，将所述步骤(3)输出特征向量，进行k
‑
倒排最近邻重排序，优化排序结果作为最终匹配结果。2.如权利要求1所述的监控视频噪声环境下跨摄像头行人重识别方法，其特征在于：在所述步骤(1)中，在行人重识别模型的训练阶段，选用Market
‑
1501和CUHK03数据集，利用双域滤波分解，得到行人的低频图和噪声的高频图；所述双域滤波的过程为将图像变换到频率域后，对图像高频部分进行去噪处理，再恢复到空间域中，生成去噪后的图像。3.如权利要求2所述的监控视频噪声环境下跨摄像头行人重识别方法，其特征在于，所述步骤(1)包括以下步骤：步骤(1.1)，对输入图像x递归地进行联合双边滤波得到背景层图像引导层引导层其中，N
p
是以像素点p为中心，半径为r的邻域窗口；k(p,q)是双边滤波器的核函数；在第一次迭代时g＝x，即和输入图像一致，滤波结果将作为下次迭代的引导层；x(q)是输入图像x在像素点q处的值，g(q)是引导层在像素点q处的值；步骤(1.2)，进行短时傅里叶变换，计算输入图像x和引导层g在该点的邻域残差和和并利用核函数k(p,q)进行加窗来进行系数收缩：其中，i为虚数单位；f为频率，f的取值范围(
‑
∞,+∞)；步骤(1.3)，利用来构造高斯核函数结合计算细节层图像计算细节层图像其中，F
p
为对应的频率分布矩阵，|F
p
|是F
p
的元素个数，是得到的细节层图像。4.如权利要求1所述的监控视频噪声环境下跨摄像头行人重识别方法，其特征在于：所述步骤(2)中，损失函数Loss＝L
Cont
+L
Trip
，其中，L
Cont
...

【专利技术属性】
技术研发人员：王丽园，胡彦杰，吴游宇，杨晶，肖进胜，罗丰，李正军，熊文磊，马天奕，
申请(专利权)人：中交第二公路勘察设计研究院有限公司，
类型：发明
国别省市：