[发明专利]一种行人再识别方法及装置

说明书

本发明提供了一种行人再识别方法及装置。该方法包括：将测试集的第一图像集合中的目标图像和第二图像集合投影至度量空间，第一图像集合和第二图像集合是由不同的图像采集装置采集得到的；根据度量空间的投影矩阵和马氏距离度量矩阵获取目标图像与第二图像集合中各个图像的马氏距离；获取目标图像在度量空间的第一特征投影，并获取第二图像集合在度量空间的第二特征投影集合，采用特征字典获取各个特征投影的字典表达特征；根据第一特征投影和第二特征投影集合中各个特征投影的字典表达特征获取目标图像与第二图像集合中各个图像的欧式距离；根据马氏距离和欧式距离从第二图像集合中确定与目标图像相匹配的图像。本发明实施例提高了行人再识别的精度。

技术领域

本发明涉及图像处理技术领域，具体涉及一种行人再识别方法及装置。

背景技术

随着科技的发展，基于计算机视觉的智能监控技术已经得到广泛应用，行人再识别为智能监控技术中的极具挑战的一个任务。行人再识别的目标是对跨视野的行人图像进行匹配，对于解决监控目标跨视野运动轨迹连续性问题，以及公安系统中疑犯的识别追踪问题有着重要的意义。

现有的行人再识别方法大致分为两类，一类是基于表观特征模型的行人再识别方法，另一类是基于度量学习的行人再识别方法。

现有的基于表观特征模型的行人再识别方法的主要目标是通过手工设计的特征描述正样本图像之间的相似性，同时有效区分负样本的差异性。该方法可利用色彩直方图特征以及尺度不变三值模式SILTP特征对图像进行分块描述，提取图像特征。然而在实际环境中，由于阴影、光照、姿态、视角以及背景的剧烈变化，使得基于色彩和纹理的手工特征(色彩直方图特征以及和尺度不变三值模式SILTP特征)难以应对行人在不同摄像头下的视觉特征变化，造成正样本类间距离变大，行人再识别精度较低。

现有的基于度量学习的行人再识别方法，在度量空间中获取跨视野下的图像的马氏距离，根据马氏距离实现行人再识别，然而，受限于样本特征的不稳定性和表达能力的缺陷，该方法的识别精度也较低。此外，该基于度量学习的行人再识别方法是基于手工特征进行分类识别的，样本特征具有较高维度，由于优化准则的约束，学习得到的度量空间会对训练样本过拟合，影响行人再识别的精度。

发明内容

本发明实施例提供一种行人再识别方法及装置，用于解决现有的的行人再识别方法识别精度较低的问题。

本发明实施例提供了一种行人再识别方法，包括：

将测试集的第一图像集合中的目标图像和第二图像集合分别投影至度量空间，所述第一图像集合和所述第二图像集合是分别由不同的图像采集装置采集得到的；

根据所述度量空间的投影矩阵和马氏距离度量矩阵获取所述目标图像与所述第二图像集合中各个图像的马氏距离；

获取所述目标图像在所述度量空间的第一特征投影，并获取所述第二图像集合在所述度量空间的第二特征投影集合，采用通过训练集学习得到的特征字典获取所述第一特征投影和所述第二特征投影集合中各个特征投影的字典表达特征；

根据所述第一特征投影和所述第二特征投影集合中各个特征投影的字典表达特征获取所述目标图像与所述第二图像集合中各个图像的欧式距离；

根据马氏距离和欧式距离获取所述目标图像与所述第二图像集合中各个图像的相似距离，根据所述相似距离从所述第二图像集合中确定与目标图像相匹配的图像。

可选地，在将测试集的第一图像集合中的目标图像和第二图像集合分别投影至度量空间之前，所述方法还包括：

按照最小化正样本散度、最大化负样本散度的准则根据训练集的第三图像集合和第四图像集合学习获得所述度量空间，所述第三图像集合和所述第四图像集合是分别由不同的图像采集装置采集得到的。