基于小群體信息關(guān)聯(lián)的視頻監(jiān)控網(wǎng)絡(luò)中行人重識別方法
【專利摘要】本發(fā)明提出一種基于小群體信息關(guān)聯(lián)的視頻監(jiān)控網(wǎng)絡(luò)中行人重識別方法。監(jiān)控網(wǎng)絡(luò)中多攝像頭的行人重識別過程中，尤其是在行人特征的提取和匹配的過程中，行人的特征極易受到場景變化、光照變化的影響而造成重識別率的降低，同時大范圍的監(jiān)控網(wǎng)絡(luò)中也會存在一些穿著相似的行人造成行人錯誤的重識別，為了提高行人的重識別率，降低外界因素對行人重識別的影響，本發(fā)明根據(jù)小群體信息的關(guān)聯(lián)性，將行人小群體特征作為行人重識別的一個重要特征，主要解決視頻監(jiān)控網(wǎng)絡(luò)中行人重識別準確率低、精度不高的問題。
【專利說明】基于小群體信息關(guān)聯(lián)的視頻監(jiān)控網(wǎng)絡(luò)中行人重識別方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于計算機視覺領(lǐng)域，具體是一種基于小群體信息關(guān)聯(lián)的視頻監(jiān)控網(wǎng)絡(luò)中行人重識別方法。
【背景技術(shù)】
[0002]近些年來，監(jiān)控網(wǎng)絡(luò)中視頻智能監(jiān)控作為計算機視覺和模式識別的重要課題之一，已經(jīng)在智能視頻監(jiān)控中應用和普及于公共安全、金融安全、運輸、和其他領(lǐng)域中。監(jiān)控網(wǎng)絡(luò)中視頻智能監(jiān)控包含多攝像頭校正、多攝像頭網(wǎng)絡(luò)拓撲結(jié)構(gòu)、多攝像頭跟蹤、行人重識別等方面。其中監(jiān)控網(wǎng)絡(luò)中多攝像頭的行人重識別過程中，尤其是在行人特征的提取和匹配的過程中，行人的特征極易受到場景變化、光照變化的影響而造成重識別率的降低，同時大范圍的監(jiān)控網(wǎng)絡(luò)中也會存在一些穿著相似的行人造成行人錯誤的重識別。

【發(fā)明內(nèi)容】

[0003]針對現(xiàn)有技術(shù)中存在的監(jiān)控網(wǎng)絡(luò)中行人重識別準確率低、精度不高的問題，本發(fā)明提供了一種基于小群體信息關(guān)聯(lián)的視頻監(jiān)控網(wǎng)絡(luò)中行人重識別方法，包括如下步驟:
步驟一、視頻序列行人前景提??；
步驟二、獲取行人HOG特征和顏色特征；
步驟三、行人小群體分割；
步驟四、行人特征匹配，標記出候選行人；` 步驟五、獲取候選行人的小群體特征；
步驟六、計算候選行人小群體特征匹配差值；
步驟七、按照小群體信息關(guān)聯(lián)匹配原則對候選行人進行判別。
[0004]進一步的，步驟一具體為:根據(jù)隨機游走算法提取行人前景，將每幀圖像映射為無
向(Wai = wM)加權(quán)圖，根據(jù)高斯權(quán)重函數(shù)>4^ =exj>(-計算像素點、知間的權(quán)
重，聯(lián)合狄利克雷問題求解隨機游走轉(zhuǎn)移概率，根據(jù)預設(shè)的種子點標簽對其他像素點進行分類，將監(jiān)控視頻中行人前景提取出來。
[0005]進一步的，步驟二具體為:采用人體對稱模型將提取出的行人前景分為頭部、左上肢、右上肢、左腿、右腿五個感興趣區(qū)域，統(tǒng)計每個感興趣區(qū)域的顏色直方圖為4，其中》為對應感興趣區(qū)域；將特定的區(qū)域劃分為較小的矩形塊，計算這些矩形塊中每個像素點梯度
值及梯度方向.M== - — 1盒，然后將這些矩形
塊組合成大的塊，歸一化塊內(nèi)的梯度強度，最終獲得特定區(qū)域的HOG特征向量，獲取每塊感興趣區(qū)域特定區(qū)域的HOG特征描述算子巧。
[0006]進一步的，步驟三具體為:采用人群軌跡聚類算法，對行人的有效的粒子軌跡進行提取，把這些粒子軌跡信息作為輸入，計算粒子軌跡間的相似度，將場景中每個粒子設(shè)為一個多元組
【權(quán)利要求】
1.一種基于小群體信息關(guān)聯(lián)的視頻監(jiān)控網(wǎng)絡(luò)中行人重識別方法，包括如下步驟: 步驟一、視頻序列行人前景提取； 步驟二、獲取行人HOG特征和顏色特征； 步驟三、行人小群體分割； 步驟四、行人特征匹配，標記出候選行人； 步驟五、獲取候選行人的小群體特征； 步驟六、計算候選行人小群體特征匹配差值； 步驟七、按照小群體信息關(guān)聯(lián)匹配原則對候選行人進行判別。
2.如權(quán)利要求1所述的基于小群體信息關(guān)聯(lián)的視頻監(jiān)控網(wǎng)絡(luò)中行人重識別方法，其特征在于:步驟一具體為:根據(jù)隨機游走算法提取行人前景，將每幀圖像映射為無向( = Wfe )加權(quán)圖，根據(jù)高斯權(quán)重函數(shù)
3.如權(quán)利要求2所述的基于小群體信息關(guān)聯(lián)的視頻監(jiān)控網(wǎng)絡(luò)中行人重識別方法，其特征在于:步驟二具體為:采用人體對稱模型將提取出的行人前景分為頭部、左上肢、右上肢、左腿、右腿五個感興趣區(qū)域，統(tǒng)計每個感興趣區(qū)域的顏色直方圖為h，其中f為對應感興趣區(qū)域；將特定的區(qū)域劃分為較小的矩形塊，計算這些矩形塊中每個像素點梯度值及梯度方向:
4.如權(quán)利要求3所述的基于小群體信息關(guān)聯(lián)的視頻監(jiān)控網(wǎng)絡(luò)中行人重識別方法，其特征在于:步驟三具體為:采用人群軌跡聚類算法，對行人的有效的粒子軌跡進行提取，把這些粒子軌跡信息作為輸入，計算粒子軌跡間的相似度，將場景中每個粒子設(shè)為一個多元組
, s是計算的粒子點的位置，v是粒子運動速度向量是粒子通道向量，按如下公式計算隨著時間變化的兩個粒子軌跡相似度今:
5.如權(quán)利要求4所述的基于小群體信息關(guān)聯(lián)的視頻監(jiān)控網(wǎng)絡(luò)中行人重識別方法，其特征在于:步驟四具體為:根據(jù)目標行人感興趣區(qū)域的顏色直方圖特征和特定區(qū)域的HOG特征，匹配攝像頭中每個行人的顏色直方圖特征和HOG特征，根據(jù)行人匹配差值公式計算與目標行人特征的匹配差值:
6.如權(quán)利要求5所述的基于小群體信息關(guān)聯(lián)的視頻監(jiān)控網(wǎng)絡(luò)中行人重識別方法，其特征在于:步驟五具體為:根據(jù)行人小群體分割結(jié)果，確定候選行人所屬群體，選擇顏色空間進行離散化，然后統(tǒng)計群體中每種顏色出現(xiàn)的頻率，選出最頻繁出現(xiàn)的幾種顏色作為主色，構(gòu)建主色調(diào)顏色直方圖作為小群體顏色直方圖特征，統(tǒng)計群體的主色調(diào)顏色直方圖特征作為小群體特征C"。
7.如權(quán)利要求6所述的基于小群體信息關(guān)聯(lián)的視頻監(jiān)控網(wǎng)絡(luò)中行人重識別方法，其特征在于:步驟六具體為:根據(jù)目標行人所屬的小群體特征C，匹配候選行人所屬的小群體特征^ ,根據(jù)小群體信息匹配差值公式計算候選行人所屬小群體特征與目標行人所屬小群體特征C的匹配差值
8.如權(quán)利要求7所述的基于小群體信息關(guān)聯(lián)的視頻監(jiān)控網(wǎng)絡(luò)中行人重識別方法，其特征在于:步驟七具體為:(1)當
9.如權(quán)利要求8所述的基于小群體信息關(guān)聯(lián)的視頻監(jiān)控網(wǎng)絡(luò)中行人重識別方法，其特征在于:確定重識別的目標行人之后，根據(jù)目標行人當前的狀態(tài)，重新執(zhí)行以上步驟，獲取最新的目標行人特征及小群體特征，進行新一輪的行人重識別。
【文檔編號】G06K9/62GK103810476SQ201410057440
【公開日】2014年5月21日 申請日期:2014年2月20日 優(yōu)先權(quán)日:2014年2月20日
【發(fā)明者】章東平, 徐凱航, 楊力, 徐嬌 申請人:中國計量學院