[发明专利]基于显著度融合的自适应分块行人再识别方法

说明书

本发明公开了一种基于显著度融合的自适应分块行人再识别方法，其包括以下步骤：(1)利用启发式聚类算法对图像进行自适应分块；(2)基于显著度的块权重学习；以及(3)基于显著度权重的相似性计算，计算行人图像P和Q之间的相似度，本发明提供的行人再识别方法在块匹配的基础上，对分块规则和大小进行指导，提出了启发式自适应分块方法，对比于传统图像显著度计算方法，本方法计算的显著度划分更加精细，稳定性更好。

技术领域

本发明涉及图像识别领域，更详而言之涉及一种基于显著度融合的自适应分块行人再识别方法。

背景技术

目前，随着摄影摄像技术的快速发展，视频监控系统被广泛地应用于我们的日常生活中。摄像机通过网络线缆或同轴视频电缆将获取到的视频图像传输到控制主机，控制主机再将视频信号分配到各监视器及录像设备供操作人员进行观看。除此之外操作人员还可以通过控制主机对图像进行录入、回放、调出及储存等操作。利用视频监控可以对物体的类别，物体的移动轨迹，行人的行为动作等进行识别，为物业，公安，交通等公共管理部门提供及时全面的信息支持。

随着视频监控的广泛应用，行人再识别技术受到越来越多的关注。行人再识别是对多个摄像机获取的行人进行关联分析，判断这些行人是否为同一个人。该技术在智能机器人、照片自动标注和视频监控等方面有着广阔的应用前景。但受光照、视角、姿态和遮挡等因素影响，行人的外观变化很大。且行人再识别图像大多来自监控视频，图像分辨率低，行人姿态多样，细节缺失严重。这些问题加大了行人再识别的难度。在识别架构上，传统方法将行人外观作为整体进行建模和匹配，但研究发现基于局部区域的分块匹配有更高的识别精度，所以基于分块匹配的方法成为近年来的研究热点。但是现有的基于分块匹配的方法都存在着一定的缺陷。

现有技术中的一种做法是利用人体结构信息，在人体不同区域提取空间直方图和区域协方差特征，或者对人体部件区分对待，将行人图像分割为头、躯干和腿，再分别提取各部分的颜色直方图、最大稳定颜色和重复纹理块特征。此类方法都基于人体的部件分割，部件分割可以获取精细的局部区域，但分割存在准确率的问题。

现有技术中的另一种做法是先将图像进行分块，再根据各块的区分性赋予权重，最后进行块匹配结果融合。但此类方法对于如何分块以及如何融合各块匹配结果的研究存在不足，导致其识别精度也还较低。

综上所述，本领域亟需一种新的行人再识别方法来解决上述问题。

发明内容

本发明的一个目的在于提供一种基于显著度融合的自适应分块行人再识别方法，改善了行人再识别的识别效果，提高了行人再识别的识别精度。

本发明的另一个目的在于提供一种基于显著度融合的自适应分块行人再识别方法，提高了分块匹配算法的分割后的块语义信息丰富程度。

本发明的另一个目的在于提供一种基于显著度融合的自适应分块行人再识别方法，提高了显著度区域的精细程度，改善了匹配结果的稳定性。

本发明的另一个目的在于提供一种基于显著度融合的自适应分块行人再识别方法，加强了对图片进行特征提取的适配性，实现了不用对输入图像进行分尺寸调整，适合对大小不一的块进行特征提取。

因此，为了实现上述目的，本发明提供一种基于显著度融合的自适应分块行人再识别方法，其包括以下步骤：

(1)利用启发式聚类算法对图像进行自适应分块；

(2)基于显著度的块权重学习；以及

(3)基于显著度权重的相似性计算，计算行人图像P和Q之间的相似度。

根据本发明的一个实施例，其中所述步骤(1)包括以下步骤：

(11)根据图像内各像素能量值的分布确定初始聚类中心；和

(12)利用启发式思想确定初始聚类中心；