[發明專利]基于顏色區域特征的行人重識別方法及系統

有效

• 申請號: 201410472544.8
• 申請日: 2014-09-16
• 公開（公告）號: CN104268583B
• 公開（公告）日: 2017-04-19
• 發明（設計）人: 周芹;鄭世寶;蘇航;王玉
• 申請（專利權）人: 上海交通大學
• 主分類號: G06K9/64
• 分類號: G06K9/64;G06K9/46
• 代理公司: 上海交達專利事務所31201
• 代理人: 王毓理,王錫麟

1.一種基于在線聚類提取的顏色區域特征的行人重識別方法，其特征在于，以只包含單個行人的矩形圖像或通過跟蹤結果從原始視頻圖像中裁取出目標矩形框作為輸入圖像，經前景提取和在線聚類提取得到顏色區域，再將顏色區域的統計特征作為局部特征應用于人物重識別；

所述的在線聚類是指：以像素為單位遍歷圖像，計算圖像中任一一點的通道值與初始聚類中心之間的距離，以滿足其與最小值之差小于聚類閾值為條件，將滿足條件的像素點作為該最小值的聚類，否則作為新建聚類，同時將初始聚類中心更新為該聚類的平均值；完成遍歷后同一個聚類內的像素點可以視為屬于同一個顏色區域，且區域的顏色值統一為聚類中心的顏色值；

當任兩個顏色區域同時滿足其之間的聚類中心顏色值的歐氏距離以及其聚類中心的平均位置的歐氏距離分別小于顏色閾值和平均位置閾值時，合并該兩個顏色區域，且設置合并后區域內所有像素點的通道值的平均值為新的聚類中心。

2.根據權利要求1所述的方法，其特征是，所述方法具體包括以下步驟：

步驟1)利用前景提取算法進行目標行人圖像的前景背景分離，得到前景區域；

步驟2)對提取的前景區域進行在線聚類，得到原始的顏色區域；

步驟3)考慮空間分布和顏色距離，將相關顏色區域進行合并，得到最終的局部顏色區域；

步驟4)對提取出的顏色區域進行描述，作為行人重識別的特征表達；

步驟5)利用步驟4中的特征進行行人重識別。

3.根據權利要求2所述的方法，其特征是，所述的步驟1)具體包括：

1.1)將數據集中所有的圖像進行聚類；

1.2)再將每一幅圖像的每一個像素點與聚類中心進行比較，將距離最近的距離中心號作為該像素的值；

1.3)將得到的輸入矩陣帶入scadlearn.m程序中，并對輸出后驗概率Qs進行二值化，得到前景蒙版；

1.4)將前景蒙版與原始圖像逐像素相乘，可以提取出前景區域。

4.根據權利要求2所述的方法，其特征是，所述的步驟2)具體包括：

2.1)將圖像左上角像素點的(a，b)通道值作為第一個聚類的聚類中心；

2.2)順序掃描像素點，并將每一個像素點(a，b)通道值與現有的聚類中心進行歐式距離比較，并找出最小距離d；

2.3)若d≤threshold1，則將當前像素點歸入距離為d的聚類，并且將此聚類的聚類中心更新為類內所有像素的通道值的平均值；

2.4)反之，若d＞threshold1，則初始化一個新的類，并將該聚類中心初始化為當前像素點的顏色值；

2.5)如此循環，直到計算到右下角的像素點，這樣同一個聚類內的像素點可以視為屬于同一個顏色區域，且區域的顏色值統一為聚類中心的顏色值。

5.根據權利要求2所述的方法，其特征是，所述的步驟3)具體包括：

3.1)將步驟2)得到的任兩個顏色區域的聚類中心顏色值進行歐式距離比較，得到d_c；

3.2)將步驟2)得到的任兩個顏色區域的聚類中心的平均位置進行歐氏距離比較，得到d_s；

3.3)若d_c＜threshold2且d_s＜threshold3則將兩個顏色區域合并起來，并更新新的聚類中心為合并后的類內的所有像素的通道值的平均值；

3.4)將步驟2)中的所有顏色區域都兩兩進行比較后，將與同一個顏色區域合并的所有區域合并為一個區域，直到得到的所有的顏色區域都無法再進行合并。

6.根據權利要求2所述的方法，其特征是，所述的步驟4)具體是指：對于步驟3)提取出的所有顏色區域，每一個顏色區域描述為f＝(x，y，l，a，b，F)，其中：x，y是該顏色區域內所包含的所有像素點的平均坐標，，a，b是該顏色區域內所包含的所有像素點的平均顏色值，F為衡量顏色區域大小的參數：其中：num是該顏色區域所包含的像素點的個數，area是該顏色區域的外接矩形的面積，area＝(x_max-x_min)*(y_max-y_min)，其中：x_max，y_max和x_min，y_min分別是該顏色區域內所包含的所有像素點的x，y坐標的最大值和最小值。