[发明专利]基于分块匹配结构的行人比对方法

说明书

技术领域

本发明涉及的是一种图像匹配检索领域的技术，具体是一种多摄像头下基于分块匹配结构的视频中行人比对、再识别的方法。

背景技术

行人比对是计算机视觉领域里的一个重要的基础研究，其含义为使用图像处理、机器学习和有效的优化算法在多个摄像头下采集的视频或者图像中对行人进行比对，寻找出多个摄像头中的某个特定行人。行人比对在视频监控，行人追踪和目标行人行为分析等实用领域发挥着重要的作用。

行人比对的技术主要概括为以下三个步骤：首先是对视频或者图像中的行人提取有效的特征信息；然后根据提取的特征信息，利用机器学习或度量学习等合适的算法计算多摄像头下行人之间的相似分数；最后基于不同摄像头下的行人两两之间的相似分数，锁定多摄像头下的同一个行人。

2003年，中国研究员Liang Wang等人在《IEEE transactions on Pattern Analysis and Machine Intelligence》(IEEE模式分析和机器智能期刊)发表了一篇名为“Silhouette Analysis‐based Gait Recognition for Human Identification”(基于轮廓分析步态识别的行人比对)的论文中提出基于人体细节和行人步态来增强行人特征鲁棒性的算法，使得匹配准确率得到较大的提升。基于此算法，研究人员同时提出了许多相应的改进算法来进一步提升检测结果。在2012年，Kostinger等人在《IEEE conference on Computer Vision and Pattern Recognition》(IEEE计算机视觉和模式识别会议)上发表的“Large Scale Metric Learning from Equivalence Constraints”(基于等价约束的大尺度度量学习)中提出了利用机器学习和度量学习的方法，逐步地训练出优秀的特征距离函数，一定程度上弥补了特征的鲁棒性不足。之后，在2013年，Rui Zhao等人在《IEEE conference on Computer Vision and Pattern Recognition》(IEEE计算机视觉和模式识别会议)上发表的“Unsupervised Salience Learning for Person Re‐identification”(基于无监督显著区域学习的行人比对)中将行人图片分成图像块，划分显著区域，并综合不同显著区域中图像块之间的相似度来得到多摄像头下行人之间的相似分数，较好地避免了部分遮挡的干扰，提高了匹配的准确率。

在现阶段，效果较好的行人比对算法是上述提到的Rui Zhao发表的基于行人分块和显著区域的行人比对算法，但是该算法中某镜头下的行人图像块只在另一镜头下对应行人图像块 的临近区域寻找最相似的图像块。但是，如果两个摄像头的视角差距比较大，最恰当对应的图像块超出了临近区域，该算法就不适用。同时，这个寻找临近图像块的算法可能会因为行人图片背景的干扰增加多摄像头下不同的行人之间的相似度，从而降低了匹配的准确率。

经过对现有技术的检索发现，中国专利文献号CN102779157A公开(公告)日2012.11.14，公开了一种搜索图像的方法和装置，能够提高从图库中搜索与被比图像相似的图库图像的准确性。该方法包括：计算被比图像和图库图像的梯度直方图特征向量、角度直方图特征向量，根据被比图像和图库图像的梯度直方图特征向量的欧氏距离以及被比图像和图库图像的角度直方图特征向量的欧氏距离确定被比图像与图库图像的相似度，根据该相似度从图库中选择与被比图像具有相似性的图库图像。但该技术在摄像头角度和背景环境差异较大的情况下，直接比较图像之间的全局特征容易产生误匹配的情况；鲁棒性较强的图像全局特征通常维度很高，在计算相似度时，具有较高的计算时间复杂度。