[发明专利]一种适用于运动自行车再识别的相似性度量计算方法

说明书

本发明公开了一种适用于运动自行车再识别的相似性度量计算方法，包括步骤：1)获取待匹配的运动自行车样本A和B图像时间序列；2)确定分组数K；3)对运动自行车样本A和B图像时间序列进行分组；4)计算同一组内样本A和B的相似性度量S_G；5)计算运动自行车样本A和B综合相似性度量S。本发明为运动自行车之间的相似性度量计算提供新的方法，提高运动自行车再识别图片匹配的精度和可靠性，具有实际推广价值。

技术领域

本发明涉及交通管理领域，尤其是指一种适用于运动自行车再识别的相似性度量计算方法。

背景技术

视频运动自行车再识别技术是指在监控视频中识别出某个特定的已经在监控网络中出现过的自行车，即对监控网络中的同一个运动自行车进行再次识别。

随着社会安全和视频采集技术的发展，大量的监控摄像头应用在公园、枢纽广场、交叉口、道路等场所。人工已难以应对海量增长的监控视频，因此利用计算机对监控视频中的自行车等进行再识别的需求应运而生。目前自行车再识别的方法和系统大多采用单一图像进行再识别匹配。

特征间相似性度量机制是自行车再识别系统中重要部分，选择或设计的好坏将直接影响到自行车再识别算法的准确度。目前用于特征相似性度量的方法主要有欧式距离、直方图相交法、巴氏系数、马氏距离等。但这些方法都是针对不同样本单一图片的特征值进行计算的。

本发明方法提出一种考虑运动自行车有多个连续图像序列，将不同运动自行车样本的多个图像序列进行科学分组，综合考虑组内和不同组之间的图像特征距离，最后得出运动自行车综合相似性度量的计算方法。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供了一种适用于运动自行车再识别的相似性度量计算方法，能够有效提高运动自行车再识别图片匹配的精度和可靠性，具有实际推广价值。

为实现上述目的，本发明所提供的技术方案为：一种适用于运动自行车再识别的相似性度量计算方法，包括以下步骤：

1)获取待匹配的运动自行车样本A和B图像时间序列；

2)确定分组数K；

3)对运动自行车样本A和B图像时间序列进行分组；

4)计算同一组内样本A和B的相似性度量S_G；

5)计算运动自行车样本A和B综合相似性度量S。

在步骤1)中，获取待匹配的运动自行车样本A和B图像时间序列，能够直接从监控摄像头录制视频文件中提取，也能够从已有视频文件中提取，按每间隔10帧来提取，并按视频时间顺序排列，且两个样本的图片序列数量均为n，n>6。

在步骤2)中，分组数K的确定由下式计算：

K＝[n/s]

其中，n为样本图像时间序列的数量；s为每组内图像序列数量，通常取3～5；[*]为向下取整函数，即为不大于[]内的数字的整数。

在步骤3)中，对运动自行车样本A和B图像时间序列进行分组，将分别进行，并采用轮盘间距法，即：

假设样本A的图像序列X^A＝{X^A₁,X^A₂…X^A_n}，n为序列数量，X^A_i为X^A的第i个图像，则：

X^A_i∈G^A_j if i％K＝j

且1≤i≤n，1≤j≤K