[發明專利]不同場景對人體圖像再識別的方法

有效

• 申請號: 201210587777.3
• 申請日: 2012-12-30
• 公開（公告）號: CN103065126B
• 公開（公告）日: 2017-04-12
• 發明（設計）人: 劉忠軒;楊宇
• 申請（專利權）人: 信幀電子技術（北京）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙)11371
• 代理人: 李世喆

技術領域

本發明涉及視頻監控領域，具體而言，涉及一種不同場景對人體圖像再識別的方法。

背景技術

目前對視頻圖像中的人體識別技術，在識別過程中，同樣的識別算法在不同的識別環境下，會有不同的識別結果。由于視頻識別技術，只能識別出視頻中的人體圖像，不能對人體圖像的個體進行確認，上述不同環境下，又會有不同的識別結果，從而導致不能區分出每個人體圖像的移動軌跡，不能確定當前視頻中的人體圖像的身份。

發明內容

本發明旨在提供一種不同場景對人體圖像再識別的方法，以解決不能對人體圖像的個體進行確認的問題。

在本發明的實施例中，提供了一種不同場景對人體圖像再識別的方法，包括：檢測出視頻圖像中的人體圖像；將所述人體圖像分割為多個區域；確定每個所述區域的特征向量，結合在不同場景下，為每個區域設置的權重，將多個特征向量與預先采集的數據庫中的多個基準向量進行匹配；將所述數據庫中匹配成功的人體圖像作為識別結果。

通過上述的步驟，可在數據庫中確定出人體圖像，將確定出的人體圖像身份作為檢測到的人體圖像的身份。從而可在視頻中掌握每個人體圖像對應的人的活動范圍。由于結合了不同場景的權重，增加了識別的準確率。

附圖說明

此處所說明的附圖用來提供對本發明的進一步理解，構成本申請的一部分，本發明的示意性實施例及其說明用于解釋本發明，并不構成對本發明的不當限定。在附圖中：

圖1示出了實施例的流程圖；

具體實施方式

下面將參考附圖并結合實施例，來詳細說明本發明。參見圖1，實施例的步驟包括：

S11：檢測出視頻圖像中的人體圖像；

S12：將所述人體圖像分割為多個區域；

S13：確定每個所述區域的特征向量，結合在不同場景下，為每個區域設置的權重，將多個特征向量與預先采集的數據庫中的多個基準向量進行匹配；

S14：將所述數據庫中匹配成功的人體圖像作為識別結果。

通過上述的步驟，可在數據庫中確定出人體圖像，將確定出的人體圖像身份作為檢測到的人體圖像的身份。從而可在視頻中掌握每個人體圖像對應的人及活動范圍。由于結合了不同場景的權重，增加了識別的準確率。

優選地，實施例中，所述人體圖像分割的區域為頭部、上半身、和下半身；

所述不同的場景包括室內和室外；

所述不同場景為室內，頭部、上半身、和下半身區域的權重之比為1:1:2；

所述不同場景為室外，頭部、上半身、和下半身區域的權重之比為2:3:3。

由于區分了場景，在室內、室外光線變化不同，權重比例也不同，更有針對性，顯著提高了識別結果的正確率。

優選地，實施例中，檢測人體圖像的步驟包括：使用高斯背景建模法在視頻中檢測運動區域。為了消除噪聲，使用腐蝕和膨脹算法對檢測到的前景圖進行過濾。將前景圖片所在區域圈定出來，作為人體檢測的范圍。

在檢測到的運動區域內，使用基于方向梯度直方圖(HOG)和帶有隱含參數的支持向量機(latent?SVM)的物體檢測方法，在不同尺度上對視頻中的人體圖像進行檢測。

優選地，實施例中，對圖像進行分割時，可采用分水嶺算法對圖像進行分割。在圖像中，選取灰度值為局部極小值的點作為分水嶺算法的種子，對圖像的灰度信息使用分水嶺算法，將圖片分割為不同的區域。

計算像素點的灰度的公式如下：Y=0.2999R+0.5870G+0.1140B

分水嶺算法分割圖像：分水嶺算法是根據圖像的灰度信息，對圖像進行區域分割的一種方法。首先將圖像中的所有像素點按照灰度值從小到大排序，將灰度值為局部極小值的點作為種子點。在每個種子點所在位置構建區域。之后按照灰度值從小到大的順序逐個處理每一個像素點，將被處理的像素點加入與它相鄰的區域之中。當所有像素點都被加入區域之后，就得到圖像的分割信息。分割的區域通常為人體圖像的上半身圖像，下半身圖像、和頭部，甚至還可以有腳部等。

采用分水嶺算法具體實現方式如下：

M1M2,....MR表示圖像g（x，y）的局部極小值點的坐標的集合。R為正整數。

C(Mi)表示與局部極小值Mi相聯系的匯水盆內點的集合。

T[n]＝{(s,t)|g(s,t)<n}表示位于平面g（x，y）=n下方的點的集合。S，t為坐標點。

Cn(Mi)=C(Mi)∩T[n]表示第n階段匯水盆地被水淹沒部分的集合。Mi=M1~MR