[发明专利]一种行人重识别方法

说明书

本发明公开了一种行人重识别方法，包括：利用Vibe运动目标检测算法快速得到运动目标区域；对候选区域采用改进的DPM模型进行行人检测；采用新的HSV空间非线性量化策略将颜色量化为9种常见颜色；对DPM模型检测到的行人进行跟踪，并根据行人身高比例分别提取行人上下半身的CN颜色特征，将序列信息存入行人数据库；对待检测目标先采取预识别的方法，提取上下半身颜色特征与行人数据库进行对比，排除不相关目标；对准目标行人进行精准识别，融合CN中级颜色特征和HOG、HSV等低级颜色特征；采用简单的度量学习算法进行相似度计算。本发明可以有效应对光照、分辨率、行人姿态等影响，同时提出了预识别策略，提高了检测效率。

技术领域

本发明属于图像搜索领域，涉及一种行人重识别方法，特别是一种改进DPM模型的行人检测方法和基于多特征融合的行人重识别方法。

背景技术

近年来，监控视频网络在各个行业得到了广泛的应用，由此产生的海量视频数据仅使用传统人工处理满足不了人们的要求，结合计算机视觉技术的智能监控系统成为解决这一问题的重要途径。作为智能监控系统中的重要任务，行人重识别(Person Re-ID)逐渐引起了人们的注意，行人重识别是指对不同相机下的行人图像进行匹配，在不同相机不同时间拍摄的视频中找到目标行人的过程。研究其相关技术及工程应用具有重要的学术意义和极大的应用价值。

当前，基于数据集的行人重识别识别率已经很高，但重识别技术仍很少应用于实际应用，因行人重识别主要存在以下问题。

(1)在实际的识别系统中，行人检测是不可或缺的一部分，行人检测的结果对行人重识别的结果有很大的影响。现在大部分对行人重识别的研究都是依靠已经裁剪处理好的数据集，这和实际应用有着极大的差别。实际应用中需要处理视频中的行人，我们要使用行人检测算法将行人提取出来，但是由于行人遮挡、形变等影响，常常无法取得很好的检测效果。

(2)行人重识别主要处理的是监控视频中的行人，受成本、存储内存等制约，监控摄像头的分辨率往往很低，这使我们无法利用人脸特征进行行人重识别，仅能研究行人身体特征。同时由于行人可能来源于不同的摄像头，由于拍摄环境的不同，行人尺度的变化，相同的行人图像可能有很大的差异性。

(3)现在行人重识别精度比较高的当属使用深度学习的重识别算法。但基于深度学习的重识别算法需要非常大的行人数据库，导致对电脑性能要求极高，训练时间很长，还要针对不同的问题设计不同的模型，不利于方法的推广。同时，深度学习方法存在调参有较大主观性的问题。

发明内容

针对上述现有技术，本发明要解决的技术问题是提供一种能够更好的检测被遮挡的行人、提高了较大数据量时的检测效率、提高了行人重识别的准确率的行人重识别方法。

为解决上述技术问题，本发明的一种行人重识别方法，包括以下步骤：

S1：利用监控设备获取行人监控录像；

S2：使用Vibe算法进行背景建模，得到检测视频中的运动目标区域，包括行人、汽车；

S3：使用改进的DPM模型进行行人精检；

S4：采用新的HSV空间量化算法，将颜色空间分为9种颜色；

S5：对视频中检测到的行人进行跟踪，同时提取上下身的CN颜色特征，存入数据库；

S6：采用行人预识别策略，提取待检测行人目标的上下半身颜色与行人数据库中数据进行对比，得到准目标行人序列；

S7：采用新的特征融合算法和简单的度量学习算法对准目标行人进行准确检测。

本发明还包括：

1.S2所述使用Vibe算法进行背景建模，得到检测视频中的运动目标区域具体为：