步驟四、提取訓(xùn)練圖像的顏色特征。對(duì)去除背景的行人圖像，提取其RGB顏色直方 圖，將每個(gè)顏色通道量化到8個(gè)等級(jí)，只統(tǒng)計(jì)行人部分的像素點(diǎn)，采用核函數(shù)的方式，對(duì)離 行人中心較遠(yuǎn)的像素給予小權(quán)值，離行人中心較近的像素給予大權(quán)值：
[0033]
(1).
[0034] 其中，r為該像素點(diǎn)到行人中心的距離。
[0035] 步驟五、提取訓(xùn)練圖像的紋理特征。對(duì)每幅訓(xùn)練圖像，將該圖像分為4*4的小區(qū) 域，每個(gè)小區(qū)域的采樣間距為4個(gè)像素，對(duì)每個(gè)小區(qū)域，提取其LBP特征，找到與該LBP特征 最靠近的LBP聚類中心，用該聚類中心來表示其LBP特征，統(tǒng)計(jì)圖像內(nèi)LBP特征聚類中心出 現(xiàn)的次數(shù)，計(jì)算其直方圖。
[0036] 步驟六、將步驟四得到的RGB顏色直方圖與步驟五得到的LBP聚類中心直方圖串 聯(lián)起來作為訓(xùn)練圖像的特征，將每個(gè)行人對(duì)中兩幅圖像的特征進(jìn)行相減，得到的絕對(duì)值作 為該行人對(duì)的特征與標(biāo)記一起訓(xùn)練SVM分類器用作行人對(duì)的分類。
[0037] 行人再識(shí)別步驟如圖2所示：
[0038] 步驟一、將兩個(gè)監(jiān)控設(shè)備放在不同的地方，針對(duì)每個(gè)監(jiān)控系統(tǒng)，建立背景模型，得 到每個(gè)狀態(tài)下的前景區(qū)域，腐蝕膨脹后刪除掉噪聲點(diǎn)。
[0039] 步驟二、對(duì)每個(gè)前景區(qū)域，進(jìn)行行人檢測，并規(guī)定視頻每隔30幀進(jìn)行一次行人檢 測，在這30幀之間用行人跟蹤的方式對(duì)檢測到的行人進(jìn)行跟蹤。
[0040] 步驟三、對(duì)每個(gè)監(jiān)控系統(tǒng)建立一個(gè)行人身份庫，對(duì)檢測到的行人用學(xué)習(xí)分類器中 步驟四和步驟五的方式對(duì)其進(jìn)行提取特征，并對(duì)行人身份進(jìn)行編號(hào)，將行人特征和行人身 份保存到這個(gè)行人身份庫中。
[0041] 步驟四、將每次檢測到的行人與該攝像頭下的行人身份庫中的每個(gè)行人進(jìn)行匹 配。方法是將檢測到的行人特征與行人庫中的每個(gè)行人特征進(jìn)行相減，得到的絕對(duì)值作為 這個(gè)行人對(duì)的特征，用之前訓(xùn)練好的行人對(duì)的SVM分類器對(duì)該圖像對(duì)進(jìn)行分類，用1表示該 行人對(duì)屬于同一個(gè)人，用O表示該行人對(duì)不屬于同一個(gè)人，把檢測到的行人與該攝像頭下 行人身份庫中的所有行人的每個(gè)狀態(tài)都進(jìn)行匹配，若該行人與行人身份庫中某個(gè)行人的每 個(gè)狀態(tài)的匹配結(jié)果中1的個(gè)數(shù)與O的個(gè)數(shù)的比值大于0. 5,則該行人與此行人匹配，屬于同 一人，并保留此行人的身份，同時(shí)保存當(dāng)前狀態(tài)下該行人的特征到該攝像頭下的行人身份 庫中。若不匹配，則進(jìn)行步驟五。
[0042]
(2)
[0043] 其中，countl代表該行人與行人身份庫中某個(gè)行人的每個(gè)狀態(tài)的匹配結(jié)果中1的 個(gè)數(shù)，countO代表該行人與行人身份庫中某個(gè)行人的每個(gè)狀態(tài)的匹配結(jié)果中0的個(gè)數(shù)。
[0044] 步驟五、將檢測到的行人與另一個(gè)攝像頭下的行人身份庫中每個(gè)行人進(jìn)行匹配。 方法同步驟四，若找到匹配的行人，則保留此行人的身份，同時(shí)保存當(dāng)前狀態(tài)下的該行人的 特征到另一個(gè)攝像頭下的行人身份庫中；若沒有找到匹配的行人，則該行人為新出現(xiàn)的行 人，對(duì)其身份進(jìn)行新的編號(hào)，并保存該行人特征和身份到該行人對(duì)應(yīng)出現(xiàn)的攝像頭下的行 人身份庫中。
【主權(quán)項(xiàng)】
1. 一種在監(jiān)控視頻下實(shí)現(xiàn)行人再識(shí)別的方法，其特征在于，包括以下步驟： 1) 訓(xùn)練步驟： 搜集訓(xùn)練行人圖像對(duì)，每一訓(xùn)練行人圖像對(duì)由兩張行人訓(xùn)練圖像組成，標(biāo)記圖像對(duì)中 兩圖像中的行人是否屬于同一個(gè)人，當(dāng)屬于同一個(gè)人標(biāo)記為1，否則標(biāo)記為O ; 提取每張行人圖像的行人特征； 圖像對(duì)中兩幅圖像的特征相減得到的絕對(duì)值作為該圖像對(duì)的特征； 利用圖像對(duì)的特征與標(biāo)記訓(xùn)練支持向量機(jī)SVM分類器得到圖像對(duì)分類器； 2) 識(shí)別步驟： 針對(duì)每個(gè)監(jiān)控視頻系統(tǒng)，建立背景模型與一個(gè)本地行人圖像庫，間隔N幀進(jìn)行一次行 人檢測，提取當(dāng)前狀態(tài)下的前景區(qū)域進(jìn)行行人檢測，在N幀之間對(duì)檢測到的行人進(jìn)行跟蹤； 對(duì)每次檢測到的行人，提取當(dāng)前行人特征，對(duì)當(dāng)前行人特征進(jìn)行行人匹配； 行人匹配包括本地匹配與異地匹配： 本地匹配步驟：將當(dāng)前行人特征與該攝像頭下本地行人圖像庫中的每個(gè)行人特征進(jìn)行 匹配，判斷是否存在相同的行人，若存在，則保留之前的行人身份編號(hào)，同時(shí)保留當(dāng)前行人 特征作為該行人的一個(gè)狀態(tài)特征，若不存在，則進(jìn)行異地匹配； 異地匹配步驟：將當(dāng)前行人特征與其它攝像頭下行人圖像庫中的每個(gè)行人特征進(jìn)行匹 配，判斷是否存在相同的行人，若存在，則保留該行人在另一個(gè)攝像頭下的行人身份編號(hào)， 并且保存當(dāng)前行人特征作為該行人的一個(gè)狀態(tài)特征到另一個(gè)攝像頭的行人圖像庫中，若不 存在，則該行人即為新出現(xiàn)的行人，給該行人一個(gè)新的行人身份編號(hào)，保存當(dāng)前行人特征作 為一個(gè)新的行人的狀態(tài)特征和當(dāng)前行人身份編號(hào)到本地行人圖像庫中； 所述行人匹配的具體方法為：將當(dāng)前行人特征與待比較的行人下的所有狀態(tài)特征相減 得到的絕對(duì)值輸入圖像對(duì)分類器，若當(dāng)前行人與行人圖像庫中某個(gè)行人每個(gè)狀態(tài)特征對(duì)應(yīng) 的所有圖像對(duì)分類器輸出結(jié)果中1的個(gè)數(shù)與〇的個(gè)數(shù)的比值大于閾值時(shí)，即當(dāng)前行人與該 行人圖像庫中的該行人匹配，屬于同一人。2. 如權(quán)利要求1所述一種在監(jiān)控視頻下實(shí)現(xiàn)行人再識(shí)別的方法，其特征在于，訓(xùn)練步 驟中，提取每張行人圖像的RGB顏色直方圖特征與局部二值模式LBP聚類中心直方圖特征， 將RGB顏色直方圖特征與LBP聚類中心直方圖特征級(jí)聯(lián)作為該圖像的行人特征； 識(shí)別步驟中，對(duì)每次檢測到的行人，提取檢測出的行人區(qū)域的RGB顏色直方圖特征與 LBP聚類中心直方圖特征級(jí)聯(lián)作為當(dāng)前行人特征。3. 如權(quán)利要求1所述一種在監(jiān)控視頻下實(shí)現(xiàn)行人再識(shí)別的方法，其特征在于，提取局 部二值模式LBP聚類中心直方圖特征的具體方法是： 將行人圖像分為多個(gè)規(guī)則大小的小區(qū)域，針對(duì)每個(gè)小區(qū)域提取其局部二值模式LBP特 征，從所有小區(qū)域?qū)?yīng)的LBP特征中選出多個(gè)特征，再用Kmeans聚類算法對(duì)選取出來的特 征進(jìn)行聚類，得到LBP特征的聚類中心； 再將行人圖像分為多個(gè)規(guī)則大小的小區(qū)域，對(duì)每個(gè)小區(qū)域提取其LBP特征，找到與該 LBP特征最靠近的LBP聚類中心，用該聚類中心來代表其LBP特征，統(tǒng)計(jì)圖像中LBP聚類中 心出現(xiàn)過的次數(shù)，計(jì)算直方圖得到LBP聚類中心直方圖特征。
【專利摘要】本發(fā)明提供一種在監(jiān)控視頻下實(shí)現(xiàn)行人再識(shí)別的方法。本發(fā)明只針對(duì)用去除背景的前景區(qū)域進(jìn)行行人檢測，可以有效地去除非行人區(qū)域，減少誤差，行人匹配標(biāo)準(zhǔn)可以有效地對(duì)判斷兩個(gè)行人是否屬于同一個(gè)行人進(jìn)行反復(fù)驗(yàn)證，減少使用單一判斷帶來的誤差。本發(fā)明的創(chuàng)新點(diǎn)在于，在匹配行人上，本文不只是行人特征訓(xùn)練分類器來判斷行人對(duì)，還結(jié)合檢測到的行人與行人圖像庫中每個(gè)行人每個(gè)狀態(tài)下的所有結(jié)果，相比于傳統(tǒng)的行人再識(shí)別方法的發(fā)明，對(duì)在監(jiān)控視頻下的應(yīng)用具有更高的實(shí)時(shí)性和魯棒性。本發(fā)明可以快速有效地對(duì)監(jiān)控視頻下的行人進(jìn)行跟蹤和多次匹配，能應(yīng)用于同時(shí)監(jiān)控多個(gè)攝像頭的情況，識(shí)別出在多個(gè)攝像頭中都出現(xiàn)過的行人。
【IPC分類】G06K9/00
【公開號(hào)】CN105160319
【申請(qǐng)?zhí)枴緾N201510548541
【發(fā)明人】李宏亮, 羅雯怡, 姚夢琳, 李君涵, 侯興懷, 馬金秀, 楊德培
【申請(qǐng)人】電子科技大學(xué)
【公開日】2015年12月16日
【申請(qǐng)日】2015年8月31日