[发明专利]一种时空约束的监控视频行人重识别结果的二次优化方法

摘要

本发明公开了一种时空约束的监控视频行人重识别结果的二次优化方法，首先，采用基于人体外貌视觉特征的行人重识别算法，得到初始识别结果；接着，通过视频帧中提起的时间序列参数，计算视觉匹配概率、路径匹配概率及二者的联合概率；最后，选择联合概率最大的路径下的行人图像作为输出。本发明方法在不降低召回率的前提下，显著提升了行人重识别结果的可信度，有效克服了传统的基于视觉特征的行人重识别方法对监控环境敏感的缺陷。

主权项

1.一种时空约束的监控视频行人重识别结果的二次优化方法，其特征在于，包括以下步骤：步骤1：基于视觉特征的行人重识别；根据输入的行人图像及行进路径上N个监控点的监控视频录像，采用基于人体外貌视觉特征的行人重识别算法，逐一识别每个监控点录像中视觉特征最相似的M幅候选行人图像，并按照视觉识别概率由高到低的顺序排序，同时记录每幅行人图像的时间戳和视觉概率；步骤2：时间序列参数获取；根据监控点之间的物理距离及上述步骤得到的行人图像时间戳，计算两两相邻监控点之间的距离时间，以及对应的两组M幅候选图像中任意两幅图像之间的时间差，对于行进路径上的第一个监控点，则相对于输入图像来自的案发监控点计算；其中，所述的两相邻监控点之间的距离时间记为li，步骤2中所述的两幅图像之间的时间差记为ti；步骤3：视觉匹配概率计算；根据步骤1保存的每幅图像的视觉概率参数，对于(M+1)N‑1种可能的路径组合，计算每种组合下的视觉匹配概率Pv；步骤4：路径匹配概率计算；根据步骤2得到的监控点之间的距离时间及候选图像间的时间差参数，对于(M+1)N‑1种可能的路径组合，计算每种组合下的路径匹配概率Pp；步骤5：联合概率计算；根据步骤3和4的计算结果，以及给定的经验加权系数，采用加权平均法计算路径‑视觉联合概率P；步骤6：基于联合概率的二次识别；根据上述步骤计算的(M+1)N‑1种路径组合各自的联合概率，按从大到小的顺序排序，选取排在首位的路径作为优选路径，路径上的行人图像作为行人重识别的优化结果。