視角不變的人體特征表示方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于計(jì)算機(jī)視覺(jué)和圖像處理技術(shù)領(lǐng)域，特別的涉及人體的視角不變的特征 表示方法。
【背景技術(shù)】
[0002] 計(jì)算機(jī)人體將根據(jù)人體來(lái)辨別未知人物身份的能力賦予了計(jì)算機(jī)系統(tǒng)，利用計(jì)算 機(jī)分析和模式識(shí)別技術(shù)從靜態(tài)或者動(dòng)態(tài)的場(chǎng)景中，識(shí)別或驗(yàn)證一個(gè)或多個(gè)行人，該技術(shù)已 經(jīng)被廣泛的應(yīng)用于公共安全，身份識(shí)別等場(chǎng)合。視頻中的人體容易受到多種外在因素和人 體自身因素的影響，造成人體圖像的不穩(wěn)定，應(yīng)用在多攝像機(jī)環(huán)境中將會(huì)造成同一行人的 不同表示，無(wú)法正確的識(shí)別不同場(chǎng)景中的行人。現(xiàn)有技術(shù)沒(méi)有很好的解決在人體在光照條 件、走路姿態(tài)以及不同位置和拍攝角度的攝像機(jī)情況下的表示精度下降問(wèn)題。
[0003] 為克服現(xiàn)有技術(shù)的上述不足之處，本發(fā)明針對(duì)跨攝像機(jī)行人再識(shí)別應(yīng)用，提出了 一種基于無(wú)監(jiān)督虛擬視角劃分和多視判別分析的人體表示學(xué)習(xí)方法。分塊提取三種特征： HSV顏色直方圖特征、LBP特征和H0G特征并進(jìn)行特征融合。通過(guò)無(wú)監(jiān)督的K-means聚類算法 將歸一化后的人體圖像劃分為多個(gè)視角。利用多視線性判別分析為每個(gè)虛擬視角學(xué)習(xí)一個(gè) 視角相關(guān)的判別投影表示將不同視角中的人體樣本投影到公共判別子空間，從而獲得視角 不變?nèi)梭w特征表示的。對(duì)于測(cè)試樣本，求解在測(cè)試樣本多個(gè)視角中的權(quán)重，再經(jīng)過(guò)加權(quán)投影 獲得在其公共判別子空間中的特征表示。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明要解決的問(wèn)題是提供一種視角不變的人體特征表示學(xué)習(xí)方法，以解決現(xiàn)有 技術(shù)中跨攝像機(jī)人體表示不夠精確及穩(wěn)定的缺陷。
[0005] 為了實(shí)現(xiàn)以上目的，本發(fā)明提供了一種視角不變的人體特征表示學(xué)習(xí)方法，其特 征在于； (1) 建立多視角人體數(shù)據(jù)庫(kù)； (2) 將人體數(shù)據(jù)庫(kù)中的人體數(shù)據(jù)歸一化； (3) 對(duì)歸一化后的人體圖像進(jìn)行分塊多特征提??； (4) 利用K-means聚類進(jìn)行視角劃分； (5) 學(xué)習(xí)每個(gè)視角的判別投影； (6) 測(cè)試人體圖像特征提??； (7) 利用視角判別投影進(jìn)行測(cè)試人體圖像的視角無(wú)關(guān)特征表示； 優(yōu)選的，其中步驟（1)具體為:采集跨攝像機(jī)多視角的多張人體圖像，組成人體數(shù)據(jù)庫(kù) 整數(shù)。
[0006] 優(yōu)選的，其中步驟(2)具體為:對(duì)人體數(shù)據(jù)庫(kù)中I中的每張人體圖像進(jìn)行人體檢測(cè)， 基于人體檢測(cè)結(jié)果，將每張人體圖像歸一化為100*200像素大小，由此形成了歸一化后的人 體數(shù)據(jù)庫(kù) i ::: ::: . :?: 2、A.:.)。
[0007] 優(yōu)選的，其中步驟(3)具體為:將每張人體圖像劃分為2*4個(gè)不重疊的塊，由此每個(gè) 人體塊的大小為50*50像素大小，在每個(gè)人體塊中分別提取三種特征:HSV特征，H0G特征和 Uni form LBP特征，將8個(gè)塊中的每種特征向量串聯(lián)為人體圖像的特征向量，將人體圖像的 三種特征向量串聯(lián)，組成人體圖像的整體特征向量，由此每張人體圖像的整體特征向量的 長(zhǎng)度為1，其中1為大于1的整數(shù)。
[0008] 優(yōu)選的，步驟(4)包括:將人體數(shù)據(jù)庫(kù)中所有η個(gè)人的整體特征向量組成特征數(shù)據(jù) 庫(kù)，其中兄^ 的整體特征向量，基于K-means聚類算法從該特征數(shù)據(jù)庫(kù)中學(xué)習(xí)虛擬視角，將該數(shù)據(jù)庫(kù)X劃 分為Μ個(gè)簇，每個(gè)簇中的所有特征看作一個(gè)虛擬視角，分別記作 其中&表示第m個(gè)虛擬視角下的所有特征樣本，I J:s.. 第m個(gè)視角中包含了 .?個(gè)行人的整體特征向量，每個(gè)行人|__有％個(gè)整體特征向量，高^(guò).表示 第i個(gè)人在視角m中的第j個(gè)特征樣本的整體特征向量，將虛擬視角1?中的所有特征樣本向 量的均值記為爽^。
[0009] 優(yōu)選的，其中步驟(5)包括:對(duì)每個(gè)整體特征向量進(jìn)行PCA降維，降維后的每張人體 圖像的整體特征向量的長(zhǎng)度為A且A小于1，求解優(yōu)化問(wèn)題得到多視角線性判別分析的投影 矩陣乂。
[0010]優(yōu)選的，其中的優(yōu)化問(wèn)題為 ，多視角類內(nèi)散度矩陣 讀的定義如下：
，其中F 痛gf， 毛的計(jì)算公式如下
，多視角類間散度矩陣的定義如
通 過(guò)多視覺(jué)線性判別分析，為每個(gè)虛擬視角&學(xué)習(xí)到一個(gè)視角相關(guān)的判別投影〖I，從而將不 同虛擬視角的樣本投影到一個(gè)視角無(wú)關(guān)的公共判別子空間。
[0011]優(yōu)選的，其中步驟(6)包括:對(duì)于任一測(cè)試人體圖像，將該測(cè)試人體圖像經(jīng)過(guò)人體 檢測(cè)后歸一化為100*200大小的人體圖像，將其劃分為2*4個(gè)不重疊的塊，為每個(gè)塊分別提 取三種特征:HSV特征，H0G特征，Uniform LBP特征，將8個(gè)塊中的每種特征向量串聯(lián)為測(cè)試 人體圖像的整體特征向量Y，該測(cè)試人體圖像的整體特征向量的長(zhǎng)度為1。
[0012] 優(yōu)選的，其中步驟(7)包括:通過(guò)一個(gè)含約束次優(yōu)化問(wèn)題求解該測(cè)試樣本在每個(gè)虛
擬視角下的權(quán)重，該優(yōu)化公式如下：，
測(cè)試人體圖像的整體特征向量Υ投影到PCA空間，降維為特征向量Α，由該優(yōu)化公式計(jì)算得到 權(quán)重之后，計(jì)算Υ從PCA空間到多視公共判別子空間的投影為： 圖像在視角無(wú)關(guān)公共判別子空間的特征表示為、，得到對(duì)測(cè)試人體圖像的視角無(wú) 關(guān)特征表示。
【附圖說(shuō)明】
[0013] 圖1為視角不變的人體特征表示學(xué)習(xí)方法流程圖 圖2為人體分塊特征提取與融合示意圖。
【具體實(shí)施方式】
[0014] 為了使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖及具體實(shí)施例 對(duì)本發(fā)明做出進(jìn)一步地詳細(xì)描述。
[0015] 1.建立多視角人體數(shù)據(jù)庫(kù) 采集跨攝像機(jī)多視角的多張人體圖像，組成人體數(shù)據(jù)庫(kù)?泰i = ，該 庫(kù)中共有》個(gè)行人，每個(gè)行人:1有著為張圖像，表為大于1的整數(shù)。
[0016] 2.人體數(shù)據(jù)歸一化 2.1對(duì)人體數(shù)據(jù)庫(kù)中的每張人體圖像進(jìn)行人體檢測(cè)，基于人體檢測(cè)結(jié)果，將每張人體圖 像歸一化為100*200像素大小，由此形成了歸一化后的人體數(shù)據(jù)庫(kù)如
[0017] 3.分塊特征提取 3.1將每張人體圖像劃分為2*4個(gè)不重疊的塊，由此每個(gè)人體塊的大小為50*50像素大 小，如圖2所示。
[0018] 3.2在每個(gè)人體塊中分別提取三種特征:HSV特征，H0G特征和Uniform LBP特征。優(yōu) 選的，每個(gè)50*50大小的人體塊，可以進(jìn)一步劃分為5*5個(gè)10*10的網(wǎng)格，每個(gè)網(wǎng)格中提取59 維的Uniform LBP特征。可以理解的是，每種特征的維度可選，且每個(gè)人體塊可以劃分為可 選數(shù)量的網(wǎng)格以進(jìn)行特征提取。3.3將8個(gè)塊中的每種特征向量串聯(lián)為人體圖像的特征向 量。
[0019] 3.4將人體圖像的三種特征向量串聯(lián)，組成人體圖像的整體特征向量，由此每張人 體圖像的整體特征向量的長(zhǎng)度為1，其中1為大于1的整數(shù)。
[0020] 4.基于K-means聚類的視角劃分 4.1將人體數(shù)據(jù)庫(kù)中所有η個(gè)人的整體特征向量組成特征數(shù)據(jù)庫(kù):f 其中表示第i個(gè)行人的所有％張人體圖像的整體特征向量。
[0021] 4.2基于κ-means聚類算法從該特征數(shù)據(jù)庫(kù)中學(xué)習(xí)虛擬視角，將該數(shù)據(jù)庫(kù)X劃分為Μ 個(gè)簇，每個(gè)簇中的所有特征看作一個(gè)虛擬視角，分別記作F_ = ..七2， 其中表示第m個(gè)虛擬視角下的所有樣本，％ # :. 角中包含了 .?.個(gè)行人的整體特征