当前位置: 首页 > 专利查询>同济大学专利>正文

一种基于多方向多通道条形结构的行人再辨识方法技术

技术编号:13835127 阅读:85 留言:0更新日期:2016-10-15 14:56
本发明专利技术涉及一种基于多方向多通道条形结构的行人再辨识方法,包括以下步骤:1)分别获取待辨识行人图像和对比图像中像素点对应的多方向双颜色通道条形结构特征集Bθ;2)采用颜色差分获取该像素点的多方向双通道条形结构加权颜色差分权重集Wθ;3)采用滑动窗口分别获取不同方向上的直方图描述符Hθ;4)根据堪培拉距离计算基于直方图描述符Hθ的待辨识行人图像和对比图像的距离集Ds;5)选择距离集Ds中最优三元组距离对、ELF描述符和HOG描述符作为特征码,并获取待辨识行人图像和对比图像之间的最终距离;6)根据最近相邻理论,对距离进行排序,最终获取待辨识行人图像和对比图像的匹配率与现有技术相比,本发明专利技术具有快速准确、鲁棒性好等优点。

【技术实现步骤摘要】

本专利技术涉及监控视频智能分析领域,尤其是涉及一种基于多方向多通道条形结构的行人再辨识方法
技术介绍
行人再辨识是指在一个多摄像机组成的系统中,针对不同摄像机视角下的行人进行匹配的问题。它对于行人身份、行为等不同方面的分析提供了关键性帮助,并发展成为智能视频监控领域的关键组成部分。行人再辨识领域中主要的方法可以分为以下两类:1)基于外观的行人再辨识方法;2)基于度量学习的方法。低层次特征,例如:颜色(颜色空间、直方图,主颜色等)与纹理(LBP,Gabor,共生矩阵等)已经被广泛应用于基于外观的特征表示方法中。其中,多数方法主要集中于寻找鲁棒性更好、更可靠的行人特征来描述行人,进行再辨识,例如:基于对称性的累积特征描述符,协方差描述符,基于水平条纹的划分描述符,金字塔匹配描述符,图形匹配,显著性匹配,深度学习模型等等。这些低层次特征的优点是计算时相对简单,缺点是不具备较好的语义表达能力,这是行人再辨识仍然仍存在识别性能不佳,可靠性、稳定性较差等问题。在特征表示方法之后,如何度量不同行人图片的距离也是行人再辨识领域的关键问题之一。现有的距离度量模型主要分为非学习方法和学习方法两类。其中多数方法选择了简单的非学习度量方法,例如:一阶距离、二阶距离、巴氏距离等。然而,由于提取出的行人特征的冗余性、鲁棒性等问题的影响,辨识结果并不理想。而基于学习的度量方法,通常学习不同摄像机下相同行人与不同行人外观特征的鉴别信息等,最优化样本之间的差异性和相似性,因此,辨识效果往往相对较好。这种方法主要包括RankSVM,相对距离比较,基于核方法的度量学习,马氏距离学习,深度度量学习以及度量集成等等。总体来看,这些方法将行人再辨识的过程分为了两步:特征表示和距离度量,这种方法把特征表示和度量割裂开来,而且实际上距离度量效果和特征表示有紧密的联系,不可完全切割。专利CN104992142A提出了一种基于深度学习和属性学习相结合的行人识别方法,能够从更高语义层描述行人特征,然而,训练模型过于复杂,并且受限于行人属性的选择。进一步,由于光照变化、姿态、视角、遮挡、图像分辨率等各方面因素的影响,这使得在监控视频智能分析中行人再辨识性能依然不佳。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于多方向多通道条形结构的行人再辨识方法。本专利技术的目的可以通过以下技术方案来实现:一种基于多方向多通道条形结构的行人再辨识方法,包括以下步骤:1)分别获取待辨识行人图像和对比图像中像素点对应的多方向双颜色通道条形结构特征集Bθ;2)根据多方向双颜色通道条形结构特征集Bθ采用颜色差分获取该像素点的多方向双通道条形结构加权颜色差分权重集Wθ;3)根据多方向双通道条形结构加权颜色差分权重集Wθ,并且采用滑动窗口分别获取不同方向上的直方图描述符Hθ;4)根据堪培拉距离计算基于直方图描述符Hθ的待辨识行人图像和对比图像的距离集Ds;5)选择距离集Ds中最优三元组距离对、ELF描述符和HOG描述符作为特征码,并获取待辨识行人图像和对比图像之间的最终距离;6)根据最近相邻理论,对距离进行排序,最终获取待辨识行人图像和对比图像的匹配率。所述的步骤1)具体包括以下步骤:11)将图像从RGB颜色空间变换成Lab颜色空间,并计算图像中像素点A在不同方向上不同颜色通道上的局部二值编码BSVc,θ: BSV c , θ ( A ) = Σ i = 0 n - 1 s ( g i c - g c e n t e r c ) × 2 i ]]> s ( x ) = 1 , x ≥ 0 0 , x < 0 ]]>其中,为像素点A在颜色通道c上的像素值,为第i个以像素点A为中心的近邻像素点的像素值,n为像素点A的邻近像素点的数量,c为Lab颜色空间的颜色通道,且c∈1,2,3,θ为方向,且θ∈{0°,45°,90°,135°本文档来自技高网
...

【技术保护点】
一种基于多方向多通道条形结构的行人再辨识方法,其特征在于,包括以下步骤:1)分别获取待辨识行人图像和对比图像中像素点对应的多方向双颜色通道条形结构特征集Bθ;2)根据多方向双颜色通道条形结构特征集Bθ采用颜色差分获取该像素点的多方向双通道条形结构加权颜色差分权重集Wθ;3)根据多方向双通道条形结构加权颜色差分权重集Wθ,并且采用滑动窗口分别获取不同方向上的直方图描述符Hθ;4)根据堪培拉距离计算基于直方图描述符Hθ的待辨识行人图像和对比图像的距离集Ds;5)选择距离集Ds中最优三元组距离对、ELF描述符和HOG描述符作为特征码,并获取待辨识行人图像和对比图像之间的最终距离;6)根据最近相邻理论,对距离进行排序,最终获取待辨识行人图像和对比图像的匹配率。

【技术特征摘要】
1.一种基于多方向多通道条形结构的行人再辨识方法,其特征在于,包括以下步骤:1)分别获取待辨识行人图像和对比图像中像素点对应的多方向双颜色通道条形结构特征集Bθ;2)根据多方向双颜色通道条形结构特征集Bθ采用颜色差分获取该像素点的多方向双通道条形结构加权颜色差分权重集Wθ;3)根据多方向双通道条形结构加权颜色差分权重集Wθ,并且采用滑动窗口分别获取不同方向上的直方图描述符Hθ;4)根据堪培拉距离计算基于直方图描述符Hθ的待辨识行人图像和对比图像的距离集Ds;5)选择距离集Ds中最优三元组距离对、ELF描述符和HOG描述符作为特征码,并获取待辨识行人图像和对比图像之间的最终距离;6)根据最近相邻理论,对距离进行排序,最终获取待辨识行人图像和对比图像的匹配率。2.根据权利要求1所述的一种基于多方向多通道条形结构的行人再辨识方法,其特征在于,所述的步骤1)具体包括以下步骤:11)将图像从RGB颜色空间变换成Lab颜色空间,并计算图像中像素点A在不同方向上不同颜色通道上的局部二值编码BSVc,θ: BSV c , θ ( A ) = Σ i = 0 n - 1 s ( ...

【专利技术属性】
技术研发人员:赵才荣王学宽苗夺谦章宗彦
申请(专利权)人:同济大学
类型:发明
国别省市:上海;31

网友询问留言 已有0条评论
  • 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。

1