一种针对多维图像的人车重识别算法构建方法技术

本发明专利技术公开了一种针对多维图像的人车重识别算法构建方法，包括如下构建步骤：S1、获取目标人物样本数据，综合分析样本数据中目标外形，构建目标人物立体模型，S2、识别目标人物的衣服、穿戴物品、外形和所乘车辆特征，并识别特征位置，S3、对目标人物数据进行分区，车辆单独作为一个区域，本发明专利技术在人车重识别算法构建时，能够对目标人物立体模型进行构建，再根据人物和拍摄位置建立坐标系，更加清晰的确定拍摄的位置，获取不同位置的拍摄图像，在识别时，参考的图像更接近真实，帮助对不同维度图像的识别处理，且能够提取特征，分区识别，排除错误识别，节省识别时间，在整体上提高识别效率。在整体上提高识别效率。在整体上提高识别效率。

【技术实现步骤摘要】
一种针对多维图像的人车重识别算法构建方法


[0001]本专利技术涉及人车重识别
，具体为一种针对多维图像的人车重识别算法构建方法。

技术介绍

[0002]随着机器视觉技术的发展，为了更好的识别需要的内容，会使用到重识别技术，例如常见的行人重识别技术，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的行人，广泛应用于智能视频监控、智能安保等领域，随着拍摄的发现人车通常会同时出现在画面中，浴室对于人车共存的重识别技术也在不断的发展；但是目前的人车重识别算法构建时，没有提前对拍摄的位置和角度进行分析，对于多维度的图像、多角度拍摄的图像都会存在较多的差异，导致人车重识别的精确度降低。

技术实现思路

[0003]本专利技术提供一种针对多维图像的人车重识别算法构建方法，可以有效解决上述
技术介绍
中提出目前的人车重识别算法构建时，没有提前对拍摄的位置和角度进行分析，对于多维度的图像、多角度拍摄的图像都会存在较多的差异，导致人车重识别的精确度降低的问题。
[0004]为实现上述目的，本专利技术提供如下技术方案：一种针对多维图像的人车重识别算法构建方法，包括如下构建步骤：S1、获取目标人物样本数据，综合分析样本数据中目标外形，构建目标人物立体模型；S2、识别目标人物的衣服、穿戴物品、外形和所乘车辆特征，并识别特征位置；S3、对目标人物数据进行分区，车辆单独作为一个区域；S4、获取训练数据，先识别目标数据，确定目标数据拍摄位置和目标人物的图像；S5、对训练数据中的特征进行识别和提取；S6、对提取出来的特征图像二次判断，排除识别错误的图像；S7、将识别出有目标人物特征的图像按照时间先后顺序排列，并裁剪多余的图像内容。
[0005]根据上述技术方案，所述S1中，目标人物数据中，先确定目标人物和车辆的外部轮廓，在外部轮廓区域内继续识别面部轮廓，在面目轮廓中识别面部特征；构建目标人物立体模型时，选用空间直角坐标系O
‑
XYZ，人体直立方向为Z轴，地面为X轴和Y轴组成的平面。
[0006]根据上述技术方案，所述S2中，识别目标人物的衣服、帽子、鞋子配戴的首饰的特征，特征包括颜色、长度和款式；识别目标人物所乘车辆的款式和颜色，确定目标人物和车辆相互遮挡的位置。
[0007]根据上述技术方案，所述S3中，数据分区时，每个分区内均有目标人物特征；
对识别特征进行排序，在识别目标时，优先识别排序在前的特征；所述识别特征的排序根据目标人物在环境中识别的难度确定，识别难度越小排序越靠前。
[0008]根据上述技术方案，所述S4中，拍摄位置的坐标记为P（X0，Y0，Z0），再以P点为中心建立直接坐标系P
‑
xyz，确定空间直角坐标系；再确定拍摄镜头的偏向角度，以及该角度下拍摄到的目标人物多维度图像；其中多维度图像为P点正对目标人物，目标人物连续旋转一周，每旋转60度时拍摄的图像。
[0009]根据上述技术方案，所述S5中，根据确定的拍摄位置下的多为度目标人物图像中的特征，在训练数据中进行识别，将带有目标特征的图像全部搜索提取出来。
[0010]根据上述技术方案，所述S5中，在识别目标人物的特征时，按照特征的排列顺序进行识别，每识别一个特征，便将具有该特征的图像提取出来，在剩余的图像中再进行下一个特征的识别。
[0011]根据上述技术方案，所述S6中，在排除操作时，对图像中识别出的一个特征区域外的图像内容进行识别，能够在识别出目标人物特征的图像作为目标人物图像，剩余的图像作为识别错误图像；在排除时，按照特征排列倒序进行排除识别；在识别车辆特征时，需要再对人与车辆相互遮挡的位置进行识别，确定目标人物在车内即可认定为能够再识别出目标人物特征的图像。
[0012]根据上述技术方案，所述S7中，将具有一个或者多个目标人物特征的图像按照图像获取的先后顺序排列，并通过大数据处理，对内容相近的图像进行选择，保留清晰度更高的图像。
[0013]根据上述技术方案，所述S7中，对于目标人物占据图像画面≦40%的图像画面进行裁剪，裁剪时，先确定原图像尺寸，以特征区域为中心等比例缩小，裁剪多余内容，将裁剪后的图像放大至原图像相同尺寸；裁剪放大后的图像，再次按照时间顺序插入排列后的图像中。
[0014]与现有技术相比，本专利技术的有益效果：1、通过建立目标人物模型，并建立直角坐标系，对目标人物位置和拍摄位置进行确定，能够调整不同的拍摄角度，获取目标人物不用的维度图像，从而能够准确的展现在特定的拍摄位置和拍摄角度下目标人物的图像，参考的目标人物特征与实际图像的特征更加接近，从而能够增加识别的准确程度，使重识别的效果更好。
[0015]2、通过对目标人物的识别特征进行确定，将车辆和人车相互遮挡的情况考虑进识别的过程中，通过将识别特征分区，在识别时按照识别特征确定目标人物，从而能够快速的识别出目标人物，不需要整体识别，能够快速的提取含有相关人物的图像，从而帮助对于目标人物的分析，节省识别的时间。
[0016]3、通过对提取出来的图像进行二次判断，能够排除识别错误和相同内容的图像，能够更加精准的提炼出需要的图像，减少对错误图像和相同图像的后续处理分析的时间，并对目标人物较小的图像画面进行裁剪，方便后续的处理。
[0017]综上所述，在人车重识别算法构建时，能够对目标人物立体模型进行构建，再根据
人物和拍摄位置建立坐标系，更加清晰的确定拍摄的位置，获取不同位置的拍摄图像，在识别时，参考的图像更接近真实，帮助对不同维度图像的识别处理，且能够提取特征，分区识别，排除错误识别，节省识别时间，在整体上提高识别效率。
附图说明
[0018]附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与本专利技术的实施例一起用于解释本专利技术，并不构成对本专利技术的限制。
[0019]在附图中：图1是本专利技术的人车重识别算法构建的步骤图；图2是本专利技术拍摄位置的坐标表示图；图3是本专利技术的目标图像裁剪示意图。
具体实施方式
[0020]以下结合附图对本专利技术的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本专利技术，并不用于限定本专利技术。
[0021]实施例：如图1
‑
3所示，本专利技术提供一种技术方案，一种针对多维图像的人车重识别算法构建方法，包括如下构建步骤：S1、获取目标人物样本数据，综合分析样本数据中目标外形，构建目标人物立体模型；S2、识别目标人物的衣服、穿戴物品、外形和所乘车辆特征，并识别特征位置；S3、对目标人物数据进行分区，车辆单独作为一个区域；S4、获取训练数据，先识别目标数据，确定目标数据拍摄位置和目标人物的图像；S5、对训练数据中的特征进行识别和提取；S6、对提取出来的特征图像二次判断，排除识别错误的图像；S7、将识别出有目标人物特征的图像按照时间先后顺序排列，并裁剪多余的图像内容。
[0022]根据上述技术方案，S1中，目标人物数据中，先确定目标人物和车辆的外部轮廓，在外部轮廓区域内继本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种针对多维图像的人车重识别算法构建方法，其特征在于：包括如下构建步骤：S1、获取目标人物样本数据，综合分析样本数据中目标外形，构建目标人物立体模型；S2、识别目标人物的衣服、穿戴物品、外形和所乘车辆特征，并识别特征位置；S3、对目标人物数据进行分区，车辆单独作为一个区域；S4、获取训练数据，先识别目标数据，确定目标数据拍摄位置和目标人物的图像；S5、对训练数据中的特征进行识别和提取；S6、对提取出来的特征图像二次判断，排除识别错误的图像；S7、将识别出有目标人物特征的图像按照时间先后顺序排列，并裁剪多余的图像内容。2.根据权利要求1所述的一种针对多维图像的人车重识别算法构建方法，其特征在于，所述S1中，目标人物数据中，先确定目标人物和车辆的外部轮廓，在外部轮廓区域内继续识别面部轮廓，在面目轮廓中识别面部特征；构建目标人物立体模型时，选用空间直角坐标系O
‑
XYZ，人体直立方向为Z轴，地面为X轴和Y轴组成的平面。3.根据权利要求1所述的一种针对多维图像的人车重识别算法构建方法，其特征在于，所述S2中，识别目标人物的衣服、帽子、鞋子配戴的首饰的特征，特征包括颜色、长度和款式；识别目标人物所乘车辆的款式和颜色，确定目标人物和车辆相互遮挡的位置。4.根据权利要求1所述的一种针对多维图像的人车重识别算法构建方法，其特征在于，所述S3中，数据分区时，每个分区内均有目标人物特征；对识别特征进行排序，在识别目标时，优先识别排序在前的特征；所述识别特征的排序根据目标人物在环境中识别的难度确定，识别难度越小排序越靠前。5.根据权利要求2所述的一种针对多维图像的人车重识别算法构建方法，其特征在于，所述S4中，拍摄位置的坐标记为P（X0，Y0，Z0），再以P点为中心建立直接坐标系P
‑
...

【专利技术属性】
技术研发人员：徐鑫，刘文海，李疏，
申请(专利权)人：南京莱科智能工程研究院有限公司，
类型：发明
国别省市：