[发明专利]针对视频数据行人再识别的LOMO3D特征提取方法

权利要求书

1.一种针对视频数据行人再识别的LOMO3D特征提取方法，其特征在于包括以下步骤：

步骤1、将视频数据中的各帧分离出来，组织成图像序列的形式，并分割为一定长度的等长序列；

步骤2、将每个序列水平分割为若干扁形区域，并在这些区域中进一步划分子块，作为直方图统计的最小单位；

步骤3、对于每个子块，根据其中包含的像素点计算SILTP3D特征，统计形成纹理直方图特征；

步骤4、对于每个子块，根据其中包含的像素点计算HSV色域下的颜色直方图特征；

步骤5、将每个水平区域中的纹理和颜色直方图特征根据最大化原则进行整合；

步骤6、将整合后的各水平区域的特征进行拼合，得到最终的LOMO3D特征描述子。

2.根据权利要求1所述的针对视频数据行人再识别的LOMO3D特征提取方法，其特征在于：所述等长序列的长度为20。

3.根据权利要求1或2所述的针对视频数据行人再识别的LOMO3D特征提取方法，其特征在于：所述步骤1的具体实现方法为：针对长度不一致的视频数据，将视频各帧视为连续图像序列，并以20帧为长度划分为子序列，将该序列视为高度、宽度、长度分别为图像高度、图像宽度、帧数的立方体，以此作为LOMO3D特征描述子的提取对象。

4.根据权利要求1或2所述的针对视频数据行人再识别的LOMO3D特征提取方法，其特征在于：所述步骤2的具体实现方法为：将每个划分好的视频序列组成的场方体，进一步分割为水平的扁形区域，并进一步将这些区域划分为小的子块，所述子块在高度、宽度、时间长度上的尺寸分别为10像素、10像素、8帧，且这些子块相互重叠，重叠率为0.5。

5.根据权利要求1或2所述的针对视频数据行人再识别的LOMO3D特征提取方法，其特征在于：所述步骤3的具体实现方法包括以下步骤：

⑴给定像素位置(x_c,y_c)，原始SILTP的编码规则如下：

其中，I_c表示中心像素的灰度值，I_k是在当前帧围绕它的半径为R的圆上的N个相邻点，τ是一个尺度参数，s_τ定义如下：

⑵在R＝1的情况下，将SILTP3D特征所覆盖的像素点数从8个增加至26个；

⑶我们取了3⁶个直方，对步骤2中所述的每个子块中所包含的像素点进行统计，形成纹理直方图特征。

6.根据权利要求1或2所述的针对视频数据行人再识别的LOMO3D特征提取方法，其特征在于：所述步骤4的具体实现方法为：首先将每帧图像由RGB颜色空间转换为HSV颜色空间，然后对步骤2中所述的每个子块中所包含的像素点统计直方图特征，HSV颜色特征的直方数为8³个。

7.根据权利要求1或2所述的针对视频数据行人再识别的LOMO3D特征提取方法，其特征在于：所述步骤5的具体实现方法为：设图像序列的高度为128像素，宽度为64像素，长度为20帧，所取最小子块的高度为10像素，宽度为10像素，长度为8帧，且在水平方向和时间方向的重叠率均为0.5，则每个扁形区域共有11*4＝44个子块，每个子块所提取的特征为8³+3⁶＝1241个直方，对所有子块相同位置上的直方取最大值，得到每个扁形区域的特征。

8.根据权利要求1或2所述的针对视频数据行人再识别的LOMO3D特征提取方法，其特征在于：所述步骤6的具体实现方法为：将每个原始图像序列分为由上到下的24个不重叠的扁形区域，对原始图像进行了两次2*2的池化处理，从而除原始的128*64*20的序列外，还对64*32*20、32*16*20的序列进行了特征提取操作，将共有24+11+5个扁形区域的特征最终拼合起来，构成最后的LOMO3D特征。