[发明专利]针对视频数据行人再识别的LOMO3D特征提取方法

说明书

本发明涉及一种针对视频数据行人再识别的LOMO3D特征提取方法，其技术特点是：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；将每个序列水平分割为若干扁平区域，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；对于每个子块，统计形成纹理直方图特征和HSV色域下的颜色直方图特征；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并进行拼合，得到最终的LOMO3D特征描述子。本发明设计合理，充分利用了图像序列中的时空特征和时间信息，使得特征的描述能力性能远远高于单纯的空间域特征，试验表明本发明能够使得系统整体匹配率大大提升，优于目前其他的行人再识别算法。

技术领域

本发明属于视觉行人再识别技术领域，尤其是一种针对视频数据行人再识别的LOMO3D特征提取方法。

背景技术

随着监控范围的增大，监控数据呈现爆炸式增长。依靠人眼识别监控画面中的行人身份显然十分低效，行人再识别技术的任务便是依靠计算机视觉技术解决不重叠监控视野中行人身份匹配的问题。

行人再识别技术的传统方法主要包括两个步骤，首先对图像/视频进行特征提取，然后通过度量学习得到不同样本的相似度/距离。在特征提取阶段，常用的基础图像特征包括颜色特征、纹理特征、梯度特征等，将这些特征进行融合往往取得优于单一特征的效果。除这些基础特征以外，针对行人再识别技术采用一些高级特征，例如，局部最大值(LOMO)特征、WHOS特征、ELF特征等。这些特征配合不同的度量学习方法，取得了很好的效果。

然而，上述特征的局限性在于仅仅对单张图像进行描述，而没有对监控视频的帧间信息进行利用。

发明内容

本发明的目地在于克服现有技术的不足，提出一种设计合理、匹配效率高且性能稳定的针对视频数据行人再识别的LOMO3D特征提取方法。

本发明解决其技术问题是采取以下技术方案实现的：

一种针对视频数据行人再识别的LOMO3D特征提取方法，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平区域，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。

所述等长序列的长度为20。

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。

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。

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：