[发明专利]一种基于特征映射空间和样本判定的行人重识别方法

权利要求书

1.一种基于特征映射空间和样本判定的行人重识别方法，其特征在于：依次包括如下步骤：

步骤一：数据的收集和分离：收集多个来自摄像头a和摄像头b在不同时间不同地点拍摄到的同一行人图像，并组成图像数据集；同时，将数据集随机划分为训练集和测试集；

步骤二：对于一幅长×宽大小为H×W的行人图像进行特征提取，采用m×m的滑动子窗口表示一幅行人图像的局部区域，tn+m＜W,n∈N+，其中N+为正整数集合；在每个子窗口提取8×8×8bin的联合色调、饱和度、明度颜色发生率特征和两个尺度的尺度不变局部三值模式纹理发生率特征；设定同一水平位置所有子窗口的颜色最大发生率特征为同一水平位置所有子窗口的纹理最大发生率特征为F_SILTP；根据得到的颜色特征和纹理特征，通过求最大值的方法，计算颜色特征最大发生率特征和F_SILTP；

步骤三：设定同一水平位置所有子窗口的颜色平均发生率特征为以参数a(a∈[0,1])对颜色特征最大发生率特征和平均发生率特征加权相加，得到加权融合后的最终颜色特征F_HSV；

步骤四：通过对原始的行人图像进行两次2×2池化，下采样原始的行人图像到两个较小的尺度范围后，再次采用步骤二中提取特征的方式提取图像特征；最后，将所有尺度的特征联合在一起形成行人图像的加权局部最大发生特征F_wLOMO；

步骤五：对原始的行人图像提取像素级特征f；f中的颜色特征为F_rgb，F_hsv，F_lab，F_rg，其中F_rgb的特征值为行人图像红绿蓝颜色空间的通道值，F_hsv的特征值为行人图像色调、饱和度、明度颜色空间的通道值，F_lab的特征值为行人图像AB亮度颜色空间的通道值，F_rg的特征值为行人图像RG颜色空间的通道值；纹理特征为M_θ由二维坐标系四个标准方向上的像素强度梯度值组成空间特征为y，y是图像垂直方向上像素的位置；

步骤六：在得到基本像素特征之后，提取块级特征：将每一幅行人图像分成G个部分重叠的水平区域，并在每个区域中划分大小为k×k的局部块s；每一个局部块s中的像素特征用高斯分布来表示，形成高斯块特征矩阵z_i；

步骤七：得到块级特征之后，把高斯块zi映射到第一对称正定矩阵中，再通过高斯分布将映射到第一对称正定矩阵中的高斯块级特征建模成高斯区域特征；同时，将高斯区域特征矩阵嵌入到第二对称正定矩阵中；最后采用第二对称正定矩阵中的高斯区域特征构成一幅行人图像的高斯-高斯特征F_GOG；

步骤八：按照行人的身份对齐加权局部最大发生特征F_wLOMO和高斯-高斯特征F_GOG，通过级联的方法把二者的特征映射过程简化到一个特征映射空间F；

步骤九：使用样本判定的方法来选择使用不同的度量学习方法，来计算两幅行人图像特征间的距离，以此来表示两幅行人图像间的相似度：若当前训练集样本量小于判定的训练集样本量时，采用XQDA方法；若当前训练集样本量大于判定的训练集样本量时，采用k-XQDA方法。

2.根据权利要求1所述的基于特征映射空间和样本判定的行人重识别方法，其特征在于，步骤二中，所述同一水平位置的所有子窗口的像素特征最大发生率特征为和F_SILTP，即：

其中，HSV和SILTP分别是图像像素的颜色和纹理特征，ρ_hsv是所有子窗口HSV颜色值发生率，ρ_SILTP是所有子窗口SILTP纹理值发生率。

3.根据权利要求1所述的基于特征映射空间和样本判定的行人重识别方法，其特征在于，步骤三中，所述引入的像素特征分布的均值信息为即：

对所述以参数a(a∈[0,1])对像素分布的最大值和均值进行加权相加，得到最终的颜色特征F_HSV，即：