[发明专利]基于不规则视频序列的行人重识别方法及系统

摘要

本发明提供基于不规则视频序列的行人重识别方法及系统，包括通过检测状态曲线中的稳定点，从视频序列提取多个连续的子序列，得到候选序列；利用稀疏表示求取每个子序列的重构误差，得到各子序列的噪声度量结果；根据各子序列的噪声度量结果，从候选序列中剔除噪声大于相应阈值的子序列，构成候选池；进行自适应权重的行人特征表示，得到基于视频序列的检索结果。本发明提升了不规则序列下行人重识别的性能，可广泛用于监控领域、视频分析以及其他多媒体应用，精度高，效果好，具有重要的市场价值。

主权项

1.一种基于不规则视频序列的行人重识别方法，其特征在于：包括以下步骤，步骤1，视频序列的分割，包括通过检测状态曲线中的稳定点，从视频序列M提取多个连续的子序列，得到候选序列S；步骤2，基于稀疏表示的不规则序列检测，包括利用稀疏表示求取每个子序列的重构误差，得到各子序列的噪声度量结果；步骤3，不规则子序列的去除，包括根据步骤2中所得各子序列的噪声度量结果，从候选序列S中剔除噪声大于相应阈值的子序列，设保留的子序列为s₁,...,s_T，构成候选池Q；步骤4，进行自适应权重的行人特征表示，得到基于视频序列M的检索结果，包括以下子步骤，步骤4.1，子序列基础特征表示，包括对于候选池Q中的每个子序列分别用相应基础特征表示，记为f₁,...,f_N；步骤4.2，计算候选池Q中任一子序列s_t的权重ω_t如下，其中，ω^*为归一化因子，σ_t为子序列s_t的噪声，t＝1,...,T；步骤4.3，行人特征表示，包括利用候选池Q中的子序列及对应的权重，加权计算行人最终的特征表示，则视频序列M的特征表示如下，根据视频序列M的特征表示得到检索结果；其中，步骤1包括以下子步骤，步骤1.1，对视频序列M＝{I₁,I₂,...,I_N}，设I_i表示视频的第i帧，计算相邻帧I_i‑1的遮挡信息ο_i，其中，N为帧数，i＝1,2,3,...,N；步骤1.2，采用稳定性度量计算视频序列M中每一帧的状态相对于前一帧的变化；视频帧I_i的稳定性φ_i定义如下，其中，c为常数，exp为指数函数；步骤1.3，视频序列M的序列稳定性度量SSM定义为ε＝(φ₂,...,φ_N)，设SSM中的局部最大值为驻点；步骤1.4，设检测SSM曲线中的局部最大值得到m个驻点，从视频序列M提取m个子序列，得到候选序列S＝{s_j},j＝1,...,m；设第j个驻点相应图像为I_t，根据该驻点提取的子序列s_j＝(I_t‑L,...,I_t,...,I_t+L)，其中，I_t表示视频序列M中第t帧图像，L为预设的分割间距。