【技术实现步骤摘要】
一种基于稀疏表示的Multi-shot行人再识别方法
本专利技术涉及一种图像识别技术,尤其是涉及一种基于稀疏表示的Multi-shot行人再识别方法。
技术介绍
给定一个摄像机视角(称为待测视角)中感兴趣的行人图像,行人再识别的目标是从另一个、不相连的摄像机视角(称为目标视角)中自动重新识别同一个人。现如今很多计算机视觉中的高层应用都依赖于准确的行人识别结果,如目标跟踪、智能视频监控等。由于行人图像容易受到光照变化、人体姿态变化、遮挡等因素的影响,使得行人再识别一直是计算机视觉领域中最具有挑战性的任务之一。如何准确地对行人进行再识别,国内外相关机构进行了深入地研究。目前,关于行人再识别的研究主要集中在两个方面:(1)每个摄像机视角下的每个行人仅有一幅行人图像的情况(简称Single-shot);(2)每个摄像机视角下的每个行人具有一个行人图像序列(即多幅行人图像)的情况(简称Multi-shot)。由于单幅行人图像中包含的信息非常有限,因此导致Single-shot行人再识别方法对人体姿态变化和物体遮挡不够鲁棒。实际上,随着计算机存储能力的提高,每个摄像机视角下每个行人能够获得一个行人图像序列,这意味着,可以通过利用相同行人图像序列中的多幅行人图像来获得额外的先验信息,因此,Multi-shot行人再识别方法越来越受到了关注。最近几年,Multi-shot行人再识别已取得了不错的进展。如:LiY,WuZ,KaranamS,etal.Multi-ShotHumanRe-IdentificationUsingAdaptiveFisherDiscriminant ...
【技术保护点】
1.一种基于稀疏表示的Multi‑shot行人再识别方法,其特征在于包括以下步骤:步骤一:在不同地点设置第一摄像头A和第二摄像头B;然后利用第一摄像头A对Nperson个行人进行拍摄,针对第i个行人拍摄NA,i幅行人图像,将第一摄像头A拍摄的所有行人图像构成第一图像库;在不同时刻利用第二摄像头B对相同的Nperson个行人进行拍摄,针对第i个行人拍摄NB,i幅行人图像,将第二摄像头拍摄的所有行人图像构成第二图像库;其中,Nperson≥300,且Nperson为偶数,i为正整数,i的初始值为1,1≤i≤Nperson,NA,i≥10,NB,i≥10;步骤二:提取第一图像库中的每幅行人图像的GOG特征向量;同样提取第二图像库中的每幅行人图像的GOG特征向量;步骤三:由第一图像库中针对每个行人的多幅行人图像的GOG特征向量构成一个特征向量集合,将由第一图像库中针对第i个行人的NA,i幅行人图像的GOG特征向量构成的特征向量集合记为SA,i,
【技术特征摘要】
1.一种基于稀疏表示的Multi-shot行人再识别方法,其特征在于包括以下步骤:步骤一:在不同地点设置第一摄像头A和第二摄像头B;然后利用第一摄像头A对Nperson个行人进行拍摄,针对第i个行人拍摄NA,i幅行人图像,将第一摄像头A拍摄的所有行人图像构成第一图像库;在不同时刻利用第二摄像头B对相同的Nperson个行人进行拍摄,针对第i个行人拍摄NB,i幅行人图像,将第二摄像头拍摄的所有行人图像构成第二图像库;其中,Nperson≥300,且Nperson为偶数,i为正整数,i的初始值为1,1≤i≤Nperson,NA,i≥10,NB,i≥10;步骤二:提取第一图像库中的每幅行人图像的GOG特征向量;同样提取第二图像库中的每幅行人图像的GOG特征向量;步骤三:由第一图像库中针对每个行人的多幅行人图像的GOG特征向量构成一个特征向量集合,将由第一图像库中针对第i个行人的NA,i幅行人图像的GOG特征向量构成的特征向量集合记为SA,i,同样,由第二图像库中针对每个行人的多幅行人图像的GOG特征向量构成一个特征向量集合,将由第二图像库中针对第i个行人的NB,i幅行人图像的GOG特征向量构成的特征向量集合记为SB,i,其中,fA,i,1表示第一图像库中针对第i个行人的第1幅行人图像的GOG特征向量,fA,i,2表示第一图像库中针对第i个行人的第2幅行人图像的GOG特征向量,表示第一图像库中针对第i个行人的第NA,i幅行人图像的GOG特征向量,fB,i,1表示第二图像库中针对第i个行人的第1幅行人图像的GOG特征向量,fB,i,2表示第二图像库中针对第i个行人的第2幅行人图像的GOG特征向量,表示第二图像库中针对第i个行人的第NB,i幅行人图像的GOG特征向量,fA,i,1、fA,i,2、fB,i,1、fB,i,2、的维数均为d×1;步骤四:采用K-means聚类算法将第一图像库对应的每个特征向量集合中的所有GOG特征向量聚为k簇;同样,采用K-means聚类算法将第二图像库对应的每个特征向量集合中的所有GOG特征向量聚为k簇;然后计算第一图像库对应的每个特征向量集合所对应的每簇中的所有GOG特征向量的均值特征向量,将SA,i所对应的第α簇中的所有GOG特征向量的均值特征向量记为同样,计算第二图像库对应的每个特征向量集合所对应的每簇中的所有GOG特征向量的均值特征向量,将SB,i所对应的第α簇中的所有GOG特征向量的均值特征向量记为再将第一图像库对应的每个特征向量集合所对应的k个均值特征向量构成一个新的特征向量集合,将SA,i所对应的k个均值特征向量构成一个新的特征向量集合记为同样,再将第二图像库对应的每个特征向量集合所对应的k个均值特征向量构成一个新的特征向量集合,将SB,i所对应的k个均值特征向量构成一个新的特征向量集合记为其中,k表示聚类的个数,k≥1,α为正整数,α的初始值为1,1≤α≤k,表示SA,i所对应的第1簇中的所有GOG特征向量的均值特征向量,表示SA,i所对应的第2簇中的所有GOG特征向量的均值特征向量,表示SA,i所对应的第k簇中的所有GOG特征向量的均值特征向量,表示SB,i所对应的第1簇中的所有GOG特征向量的均值特征向量,表示SB,i所对应的第2簇中的所有GOG特征向量的均值特征向量,表示SB,i所对应的第k簇中的所有GOG特征向量的均值特征向量,的维数均为d×1;步骤五:将第一图像库对应的第1个新的特征向量集合至第Nperson/2个新的特征向量集合构成一个集合,记为TA,同样将第二图像库对应的第1个新的特征向量集合至第Nperson/2个新的特征向量集合构成一个集合,记为TB,然后将TA和TB构成训练数据集合,记为TAB,TAB={TA,TB};再将第一图像库对应的第Nperson/2+1个新的特征向量集合至第Nperson个新的特征向量集合构成一个集合,记为GA,同样,将第二图像库对应的第Nperson/2+1个新的特征向量集合至第Nperson个新的特征向量集合构成一个集合,记为QB,其中,表示第一图像库对应的第1个特征向量集合所对应的k个均值特征向量构成的新的特征向量集合,表示第一图像库对应的第2个特征向量集合所对应的k个均值特征向量构成的新的特征向量集合,表示第一图像库对应的第Nperson/2个特征向量集合所对应的k个均值特征向量构成的新的特征向量集合,表示第一图像库对应的第Nperson/2+1个特征向量集合所对应的k个均值特征向量构成的新的特征向量集合,表示第一图像库对应的第Nperson个特征向量集合所对应的k个均值特征向量构成的新的特征向量集合,表示第二图像库对应的第1个特征向量集合所对应的k个均值特征向量构成的新的特征向量集合,表示第二图像库对应的第2个特征向量集合所对应的k个均值特征向量构成的新的特征向量集合,表示第二图像库对应的第Nperson/2个特征向量集合所对应的k个均值特征向量构成的新的特征向量集合,表示第二图像库对应的第Nperson/2+1个特征向量集合所对应的k个均值特征向量构成的新的特征向量集合,表示第二图像库对应的第Nperson个特征向量集合所对应的k个均值特征向量构成的新的特征向量集合;步骤六:采用核局部费舍尔判别算法对训练数据集合TAB进行学习,得到一个内嵌空间投影矩阵,记为H;然后将GA中的所有特征向量都通过内嵌空间投影矩阵H投影到内嵌空间中,将内嵌空间中的所有特征向量构成的集合记为同样,将QB中的所有特征向量都通过内嵌空间投影矩阵H投影到内嵌空间中,将内嵌空间中的所有特征向量构成的集合记为其中,H的维数为d×m,m表示内嵌空间的维度,m≥50;表示第一图像库中针对第Nperson/2+1个行人的幅行人图像的GOG特征向量构成的特征向量集合所对应的第1簇中的所有GOG特征向量的均值特征向量在内嵌空间中的特征向量,表示第一图像库中针对第Nperson/2+1个行人的幅行人图像的GOG特征向量构成的特征向量集合所对应的第k簇中的所有GOG特征向量的均值特征向量在内嵌空间中的特征向量,表示第一图像库中针对第Nperson个行人的幅行人图像的GOG特征向量构成的特征向量集合所对应的第1簇中的所有GOG特征向量的均值特征向量在内嵌空间中的特征向量,表示第一图像库中针对第Nperson个行人的幅行人图像的GOG特征向量构成的特征向量集合所对应的第k簇中的所有GOG特征向量的均值特征向量在内嵌空间中的特征向量,表示第二图像库中针对第Nperson/2+1个行人的幅行人图像的GOG特征向量构成的特征向量集合所对应的第1簇中的所有GOG特征向量的均值特征向量在内嵌空间中的特征向量,表示第二图像库中针对第Nperson/2+1个行人的幅行人图像的GOG特征向量构成的特征向量集合所对应的第k簇中的所有GOG特征向量的均值特征向量在内嵌空间中的特征向量,表示第二图像库中针对第Nperson个行人的幅行人图像的GOG特征向量构成的特征向量集合所对应的第1簇中的所有GOG特征向量的均值特征向量在内嵌空...
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。