[发明专利]一种基于多域空间属性关联分析的行人辨识方法

权利要求书

1.一种基于多域空间属性关联分析的行人辨识方法，其特征在于，包括以下步骤：

步骤1，根据移动设备信号轨迹检索已知路径上的监控点信息，并结合监控视频提取符合时间约束的图像；

步骤2，真实和虚假对象相似度差异性分布统计及计算，确定将真实对象和虚假对象最大程度区分开的相似度阈值；

步骤3，根据真实和虚假对象相似度阈值计算对象在已知移动设备信号轨迹下的联合概率，利用联合概率度量对象属性间的关联性，包括以下子步骤；

步骤3.1，首先计算局部关联概率，所述局部关联概率是指根据查询图像与检索图像的视觉相似度建立查询图像与监控点c_j的局部关联关系下真实出现的概率，描述为其中i表示路径监控点索引，c_j表示移动设备路径中的第j个监控点，表示被编号为0的摄像机捕捉到的第p张行人图像，即查询图像；

步骤3.2，然后计算联合概率，所述联合概率计算是指计算查询图像与已知移动设备信号轨迹tra的强关联映射概率，描述为

步骤4，根据联合概率排序，确定行人辨识结果。

2.根据权利要求1所述的一种基于多域空间属性关联分析的行人辨识方法，其特征在于：步骤1的具体实现方式如下，

移动设备信号轨迹tra由GPS定位信息Lng_i,Lat_i和时间戳信息t_i两种信息进行描述，Lng_i表示定位点的经度，Lat_i表示定位点的纬度；形式如下：

tra＝{(Lng₁,Lat₁,t₁),(Lng₂,Lat₂,t₂),...,(Lng_i,Lat_i,t_i)...,(Lng_e,Lat_e,t_e)}

检索已知路径上的监控点信息和结合监控视频提取符合时间约束的图像分别按照步骤1.1和步骤1.2进行；

步骤1.1，遍历地理路径下的每一个定位点信息，以定位点为圆心，半径为m米，搜索覆盖范围内的摄像头，将移动设备信号轨迹转化成摄像机序列，表示形式如下：

c_k＝{i-c_j|1≤i≤I,1≤j≤J}

其中，i表示路径监控点索引，j表示摄像机索引，I表示地理路径上检索到的监控点数量，J表示摄像机总数；

步骤1.2，针对检索到的摄像机序列中的每一个监控点i-c_j，获取移动设备信号轨迹在该监控点下的出现时间和离开时间在对应监控点的监控视频中提取在时间段内被捕捉的图像，形成候选集。

3.根据权利要求2所述的一种基于多域空间属性关联分析的行人辨识方法，其特征在于：步骤2的具体实现包括如下子步骤；

步骤2.1，所述视觉概率模型建立是指建立图像视觉相似度的度量标准，描述为其含义为两张图像包含同一行人的概率；其中，表示被编号为m的摄像机捕捉到的第p张行人图像，表示被编号为n的摄像机捕捉到的第q张行人图像；

其中分别表述图像和图像的视觉特征，由Resnet50卷积神经网络提取得到；

步骤2.2，所述真实和虚假对象序列差异性分布统计是指根据视觉相似度统计真实对象和虚假对象在已知移动设备信号轨迹上的视觉概率分布规律，真实和虚假对象相似度概率密度分布分别描述为TR(x),FA(x)；

其中，μ_t表示真实对象视觉相似度的统计平均值，σ_t表示真实对象视觉相似度的统计方差；μ_f表示虚假对象视觉相似度的统计平均值，σ_f表示虚假对象视觉相似度的统计方差；

步骤2.3，所述概率分布的最大可分性计算是指根据概率密度函数的可分离性，基于贝叶斯分类方法，确定将真实对象和虚假对象最大程度区分开的相似度阈值；分布的可分性函数描述为最大可分阈值描述为其含义为使真实和虚假对象相似度分布可分程度最大的视觉相似度阈值。