[发明专利]一种最大粒度结构描述符的行人再辨识方法

摘要

本发明涉及一种最大粒度结构描述符的行人再辨识方法，包括以下步骤：S1，获取图像集中彩色的行人图像，使用Gabor滤波器处理行人图像，获得多个尺度图像；S2，获取各尺度图像的颜色差分直方图CDH，并提取LMCC描述符；S3，提取LOMO描述符；S4，使用LDA算法进行度量学习，获得特征空间的最优子空间投影；S5，输入待辨识的行人图像，计算待辨识的行人图像同图像集中行人图像的相似度量距离，得到辨识结果。与现有技术相比，本发明方法对于光照、旋转、平动等因素变化有较好的鲁棒性，能够提取图像的本质特征，具有良好的行人辨识性能，并且对光照、视角、遮挡等变化具有不敏感性。

主权项

1.一种最大粒度结构描述符的行人再辨识方法，其特征在于，包括以下步骤：S1，获取图像集中彩色的行人图像，使用Gabor滤波器处理行人图像，获得多个尺度图像；S2，获取各尺度图像的颜色差分直方图CDH，利用交叠的滑动子窗口提取CDH的局部最大交叉编码描述符，即LMCC描述符，所述的步骤S2包括以下步骤：S21，获取尺度图像的颜色差分直方图CDH；S22，提取CDH的描述符并将其视为在子窗口下发生的概率，然后选择在同一水平位置上的所有子窗口的颜色差分直方图的最大值作为提取出来的LMCC描述符，从而获取行人图像的局部特征；S3，针对步骤S1获得的不同尺度下行人图像，使用滑动窗口提取局部块中的2个SILTP直方图，以颜色直方图作为滑动窗口对应块下的局部特征，针对同一水平方向的各个局部块特征，同一维度上，提取最大值作为局部最大出现描述符，即LOMO描述符；S4，将LMCC描述符与LOMO描述符融合得到多尺度信息，使用LDA算法进行度量学习，获得特征空间的最优子空间，用于计算图像之间的相似性；S5，输入待辨识的行人图像，计算待辨识的行人图像与图像集中行人图像的相似性，得到辨识结果。