[發明專利]一種監控視頻序列圖像車輛再識別的方法

在審

• 申請號: 201611052772.5
• 申請日: 2016-11-25
• 公開（公告）號: CN106778517A
• 公開（公告）日: 2017-05-31
• 發明（設計）人: 徐峰;劉軍;張紀升;冀金科;孫曉亮;張廣浩;賈喜軍;楊潤生;路新燕;王體彬;牛樹云;張利;劉見平;朱麗麗
• 申請（專利權）人: 河南高速公路駐信段改擴建工程有限公司;交通運輸部公路科學研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 北京市中聞律師事務所11388
• 代理人: 王新發,常亞春

技術領域

本發明涉及一種監控視頻序列圖像車輛再識別的方法。

背景技術

無重疊視域的監控系統拍攝到的車輛圖像是車輛再識別問題用到的主要處理對象，然而這些車輛圖像包含視角變化、分辨率、光照變化、模糊、攝像頭設置、復雜背景以及遮擋等問題，使得車輛再識別問題的困難加劇，這些問題的解決方案也仍然被很多學者研究著。在非重疊視域監控系統下的車輛再識別這個領域下，有非常多的方法被國內外研究學者提出。這些方法可以粗略的分成兩個類別，一類為基于特征選擇的車輛再識別算法，另一類則是基于度量學習的車輛再識別算法。

對于第一種基于特征選擇的車輛再識別方法，車輛圖像通過一些具有魯棒性、穩定和有區分能力的描述子來表示成為特征向量。被廣泛應用的特征描述子包括SIFT[1]以及SURF[2] ([1]D. G. Lowe. Distinctive image features from scale-invariant key points. International Journal of Computer Vision, 2004, 60: 91-110、[2]H. Bay, A. Ess, T. Tuytelaars, and L. Van Gool. Speeded-up robust features (SURF). Computer Vision and Image Understanding, 2008, 110(3):346–359)。再識別問題中，傳統的生物特征識別的方法，如：人臉識別[3]、步態識別[4] 或者輪廓識別[5]等([3]Kale A, Kroychowdhury A, Chellappa R. Fusion of gait and face for human identification, 2004, 5: 901-904、[4]L. Wang, T. Tan, H. Ning, and W. Hu. Silhouette analysis-based gait recognition for human identification. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2003, 25(12):1505–1518、[5]D.-N. Truong Cong, L. Khoudour, C. Achard, C. Meurie, andO. Lezoray. People re-identification by spectral classification of silhouettes. Signal Process, 2010, 90(8): 2362–2374)，是被廣泛應用于行人再識別類問題的。然而，上述的一系列特征描述子對于車輛再識別問題并不是特別有效，很難同時滿足魯棒性、穩定性和有區分性這幾個要求。因為大部分由監控系統攝像頭拍攝到的車輛圖像不具有高分辨率，低分辨率會導致在實際的監控系統中無法看清楚車輛細節，如車輛車牌號碼，或者由于監控攝像頭拍攝的角度、距離等原因使得車輛部分區域被遮擋而無法精確再識別。與行人的再識別相比，由于車輛的機械構造而無法利用生物特征來通過細節實現車輛再識別。現有的很多研究方法都在尋找一個更與眾不同、更魯棒和穩定的車輛外形特征，就特征提取而言，如何設計特征以及尋找優化的特征對于車輛再識別有著舉足輕重的影響力，比如研究顏色特征時主要關注的問題是如何同時滿足減少光照變化影響和保留色彩色調信息兩個條件，而將紋理特征和顏色特征一起使用往往能得到更加優化的效果。主流的目標再識別特征有：基于Haar的特征[6]([6]文學志, 方巍, 鄭鈺輝. 一種基于類Haar特征和改進AdaBoost分類器的車輛識別算法[J]. 電子學報, 2011, 39(5):1121-1126.)、顏色直方圖和紋理直方圖等特征。