[发明专利]一种基于尺度距离渐变函数分界面学习的动态低分辨率行人重识别方法

说明书

技术领域

本发明属于监控视频检索技术领域，涉及一种行人重识别方法，尤其涉及一种基于尺度距离渐变函数分界面学习的动态低分辨率行人重识别方法。

背景技术

近些年来，监控网络越来越广泛地应用和普及到公共安全、移动侦测、客流统计等领域，视频监控在打击犯罪、维护社会安全方面发挥着越来越重要的作用，视频侦查成为公安机关侦查破案的有效手段。但在实际视频侦查中，侦查员需要根据指定行人对象在多摄像头下的活动画面和轨迹来快速排查、追踪和锁定嫌疑目标，需要耗费大量的人力、物力和时间，不仅影响破案效率,而且极易错过最佳的破案时机。行人重识别是一种针对特定行人对象的跨摄像头监控视频自动检索技术，即在照射区域无重叠的多摄像头下匹配同一行人对象，该技术可以辅助视频侦查员快速、准确地发现嫌疑目标的活动画面和轨迹，对公安部门提高破案率、维护人民群众生命财产安全具有重要意义。

在多摄像头的行人重识别过程中，尤其是在行人特征的提取和匹配过程中，不同摄像头下的行人图像往往存在视角变化、尺寸变化、光照变化等，从而造成重识别率的降低。如今犯罪分子的作案手段越来越高明，通过各种方式来隐藏自己，如果他们避开摄像头，这样待重识别目标在摄像头下出现的次数较少，无疑会给重识别工作带来不便。行人重识别是利用图像进行目标查询的，因此对获取的图像在最大程度上挖掘信息，对提升行人重识别性能是具有重要意义的。

现有行人重识别方法可以分为两类：第一类主要构造鲁棒的视觉特征，然后使用标准的距离函数(如欧式距离等)进行相似性度量；第二类主要通过学习一个合适的尺度进行更准确的距离度量。基于上述方法的重识别技术所采用的图像对大多是同分辨率和同尺度的，然而在一些真实场景里，行人图像不仅是低分辨率的，而且是不同尺度的。

中国专利文献号CN104298992A，公开(公告)日2015.02.01,公开了一种基于数据驱动的尺度自适应行人重识别方法，该发明通过采用稀疏的方法获得查询行人和待测行人间的跨域的支撑一致性来计算行人对之间的距离，利用训练数据在不同视角下的一致性来自适应调节尺度，该方法考虑到了行人图像的尺度是变化的，但是没有考虑到行人图像的分辨率是不同的，因此该算法得到的结果也不是最佳的。

中国专利文献号CN103793702A，公开(公告)日2014.05.14，公开了一种基于协同尺度学习的行人重识别方法，该发明在半监督框架下研究基于尺度学习的行人重识别技术，通过未标注样本辅助标注样本进行尺度学习，该方法没有考虑到行人图像对的尺度、分辨率变化会对重识别结果产生影响，因而该方法在少标注样本下的重识别性能还有待提升。

中国专利文献号CN105005797A，公开(公告)日2015.10.28，公开了一种基于阴阳双目标样本的太极相对距离度量方法，该方法为每个阳样本(原始样本)建立虚拟阴样本，采用相对距离来学出距离函数变换矩阵，该方法没有考虑样本图像的尺度、分辨率变化的时候会对该度量学习方法产生什么影响，因而该方法还有优化空间。

中国专利文献号CN105138998A，公开(公告)日2015.12.09，公开了一种基于视角自适应空间学习算法的行人重识别方法及系统，该方法通过视角自适应子空间学习算法学习得到变换矩阵，再利用变换矩阵进行距离计算和行人重识别。该方法虽然属于行人重识别领域，但是跟基于尺度距离渐变函数分界面学习的动态低分辨率行人重识别方法的研究角度是不同的。

中国专利文献号CN105095475A，公开(公告)日2015.11.25，公开了一种基于两级融合的不完整属性标记行人重识别方法与系统；中国专利文献号CN104462550A，公开(公告)日2015.03.25，公开了一种基于相似性和不相似性融合排序优化的行人重识别方法；这两种方法通过都是融合在两种不同情况下的排序结果，来提升行人重识别的效果。另外中国专利文献号CN104200206A，公开(公告)日2014.12.10，公开了一种基于双角度排序优化的行人重识别方法，该方法基于全局特征和局部特征的方法得到初始的排序结果，再进行进一步的重排，进而得到更好的重识别效果；以及中国专利文献号CN103810476A，公开(公告)日2014.05.21，公开了一种基于小群体信息关联的视频监控网络中行人重识别方法，该方法根据小群体信息的关联性，将行人小群体特征作为行人重识别的一个重要特征，主要解决视频监控网络中行人重识别准确率低、精度不高的问题；这些方法也都是属于行人重识别领域，但是跟我们基于尺度距离渐变函数分界面学习的动态低分辨率行人重识别方法的研究角度是也是不同的。