[发明专利]一种行人衣着颜色识别模型的生成方法及装置

说明书

本发明公开了一种行人衣着颜色识别模型的生成方法及装置，该方法包括：获取行人图像，确定行人上衣和裤子的区域图像；将区域图像的GRB转换为YUV和HSV色彩空间，获得区域图像的各个像素点在所述YUV和HSV色彩空间中各通道对应的通道图像数据；将所述的RGB、RGB转换后的YUV和RGB转换后的HSV色彩空间共九个通道图像数据，输入预设的卷积神经网络进行训练，生成识别模型。本发明可通过该识别模型，将监控视频中的行人衣着信息特征提取出来，能够更加有效的提高行人衣着颜色识别准确率；识别模型可直接应用到各类监控系统中，对于监控人员查找事件关键人物，还原事件具有重要意义。

技术领域

本发明涉及计算机视觉领域和图像处理技术领域，特别涉及一种基于多色彩空间和卷积神经网络的行人衣着颜色识别模型的生成方法及装置。

背景技术

由于视频监控在各地安防的广泛应用，行人的精细化识别显得尤为重要，特别是行人衣着的颜色是最显著的外观特征，其识别的正确性直接影响视频检索中特定行人的检索。

目前对行人衣着的颜色识别主要通过将行人图像转至某一单一色彩空间，通过获取行人图像的各个像素点在该色彩空间各通道对应的通道值，根据上述行人图像各个像素点对应的色彩通道值输入至SVM分类器进行训练，识别行人衣着的颜色。目前行人衣着的识别算法基本使用的是传统的算法，并且在单一色彩空间实现的，从而会导致行人衣着颜色识别准确率低。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的行人衣着颜色识别模型的生成方法及装置。

第一方面，本发明实施例提供一种行人衣着颜色识别模型的生成方法，包括：

获取行人图像，进行行人检测，确定行人位置信息；

根据所述行人位置信息，确定所述行人上衣和裤子的区域图像；

将所述区域图像的GRB转换为YUV和HSV色彩空间，获得所述区域图像的各个像素点在所述YUV和HSV色彩空间中各通道对应的通道图像数据；

建立预设的卷积神经网络；

将所述的RGB、RGB转换后的YUV和RGB转换后的HSV色彩空间的共九个通道图像数据，输入所述卷积神经网络进行训练，生成识别模型。

在一个实施例中，进行行人检测，包括：

采用以下任一种方式进行行人检测：

R-CNN、FAST-RCNN或FASTER-RCNN。

在一个实施例中，根据所述行人位置信息，确定所述行人上衣和裤子的区域图像；包括：根据所述行人位置信息，得到行人区域图像的高度值以及宽度值；

根据所述行人区域图像的高度值和宽度值按照预设比例，确定所述行人上衣和裤子的区域图像。

在一个实施例中，将所述区域图像的GRB转换为YUV和HSV色彩空间，包括：

RGB色彩空间转至YUV色彩空间的计算公式(1)：

Y＝0.30R+0.59G+0.11B

U＝0.493(B-Y)

V＝0.877(R-Y) (1)；

RGB色彩空间转至HSV色彩空间的计算公式(2)：

M＝max(R,G,B)

m＝max(R,G,B)

H＝60°*H′

V＝M (2)。