[发明专利]一种行人重识别中的特征提取方法

说明书

本发明涉及一种行人重识别中的特征提取方法，包括：1、将采集的图片划分成背景区域和标记人物的前景区域；2、基于Retinex的色彩保留及亮度信息增强，得到增强后的亮度图像；3、使用HSV颜色直方图来提取图像的颜色特征，使用尺度不变局部三元模式描述子提取图像的光照不变纹理特征；4、利用滑动窗口对行人图像进行区域划分，并提取区域内特征直方图，用以解决视角问题，通过捕获区域的颜色特征和光照不变纹理特征得到人的区域特征。与现有技术相比，本发明在对图像处理过程中可能产生的噪声导致降低整体视觉效果的情况进行处理，可以降低特征提取的难度，提高特征提取的准确度及效率。

技术领域

本发明涉及人工智能与计算机视觉领域，尤其是涉及一种行人重识别中的特征提取方法。

背景技术

由于当今社会对“安全防范”与“治安管理”的重视，信息技术的进步和市场的需求逐渐发展，视频监控因为它的实时性与精准性，使用量逐渐增加。为了应对复杂的场景就需要全方位的监控。由此，监控摄像头数量的爆发式增长为视频监控提供了大量的数据。但是，在海量的视频数据面前，因为人眼观察视频的疲劳性与记忆的短暂性，完全依靠人工的方法来完成上述工作不仅需要消耗大量的人力资源，还不能保证结果的准确性和实时性。由此智能视频监控应运而生，其核心的部分就是基于计算机视觉的视频内容理解技术，通过对原始视频图像经过背景建模、目标识别与检测、目标跟踪、异常行为检测等一系列算法研究来达到所想要实现的分析或结果。

根据摄像机间有无重叠区域，将无重叠区域监控网络中的行人目标身份关联性判别问题统称为行人目标再识别问题。此研究根本目的在于如何有效地利用行人的外观信息对指定目标进行跨摄像机搜索匹配。而行人再识别的研究主要集中研究两方面：一是特征提取，也就是提取具有辨识度的视觉特征，如外观，姿态等；另一个就是基于度量学习的特征匹配，也就是寻找判别的距离度量学习方法，来优化跨摄像机行人的特征距离。

特征提取旨在对预处理后的行人图像提取外观信息，并表示成特征向量，用于计算不同行人图片之间的相似性。对于行人目标再识别而言，所提取的特征不仅需要有效区分不同的行人，还需要不容易受光照、视角、行人姿态等变化的影响。行人的外观特征既可以通过人工设计获取也可以通过训练学习得到。人工设计的特征通常从颜色、纹理、形状和局部显著点等几个方面对行人图片进行描述。具体而言，颜色信息主要通过RGB、HSI、YUV等颜色空间的直方图进行描述，纹理和形状信息则由局部二值模式，方向梯度直方图和尺度不变局部三值模式等特征描述子进行表达，而常用于再识别的局部显著点特征包括尺度不变特征变换和SURF等。虽然基于特征表示法模型简单，但由于实际应用中行人图像在光照、视角、姿势等变化下，同一行人外观变化很大，导致很难提取到具有判别性和鲁棒性的特征，所以做好基于特征提取的研究对于行人再识别领域具有非常重要的意义和价值。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种行人重识别中的特征提取方法。

本发明的目的可以通过以下技术方案来实现：

一种行人重识别中的特征提取方法，包括以下步骤：

S1、将采集的图片划分成背景区域和标记人物的前景区域；

S2、基于Retinex算法将获得的前景区域RGB图像进行亮度信息提取，再对所得的亮度值进行映射修正增益补偿，得到增强后的亮度图像；

S3、使用HSV颜色直方图来提取增强后的亮度图像的颜色特征，使用尺度不变局部三元模式描述子提取增强后的亮度图像的光照不变纹理特征；

S4、利用滑动窗口对增强后的亮度图像进行区域划分，通过最大化相同水平位置的所有子窗口中每个模式的局部出现频次，得到区域内出现频次最大的特征直方图来实现视点不变性，通过捕获区域的颜色特征和光照不变纹理特征得到人的区域特征。