[發明專利]一種基于特征空間拓撲分布的行人重識別方法

有效

• 申請號: 201810930110.6
• 申請日: 2018-08-15
• 公開（公告）號: CN109214430B
• 公開（公告）日: 2021-10-22
• 發明（設計）人: 雷建軍;牛力杰;李奕;陳越;羅曉維;李欣欣
• 申請（專利權）人: 天津大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 李林娟

本發明公開了一種基于特征空間拓撲分布的行人重識別方法，包括：將顏色直方圖特征和紋理特征作為圖像特征，根據圖像特征在特征空間中的理想拓撲分布，構建正樣本對距離小于負樣本對距離的約束條件、以及構建相同類之間的距離要小于任意兩個不同類的距離的約束條件；根據正樣本對距離小于負樣本對距離的約束條件獲取對應的第一目標函數；根據相同類之間的距離要小于任意兩個不同類的距離的約束條件獲取對應的第二目標函數；根據第一目標函數和第二目標函數獲取最終的目標函數，通過迭代優化對最終的目標函數進行求解，得到最優的度量矩陣，進而計算圖像之間的相似得分，根據相似得分進行排序，找到相似程度最高的圖像，實現行人的重識別。

技術領域

本發明涉及圖像處理、計算機視覺技術領域，尤其涉及一種基于特征空間拓撲分布的行人重識別方法。

背景技術

隨著數據存儲與圖像傳感技術的快速發展，大規模視頻監控網絡已經被廣泛部署在機場、公路、學校和辦公大樓等諸多公共場所，有力的保障了城市的公共安全。但是龐大的監控網絡會產生海量的視頻信息，僅僅依靠人力的話不僅效率低下，而且可能會錯失有用的線索，因此就需要利用智能視頻監控技術從這些海量的數據中高效提取出有用的信息。該技術不僅可以大幅提升視頻的處理速度，降低監控成本，還能夠實現犯罪預防、交通管制、意外防范等功能，具有廣泛的研究意義和應用前景。

作為該領域新興的研究方向，行人重識別技術在近幾年越來越受到學術界和產業界的關注，并且隨著公安部平安城市概念的提出，相應的行業標準也在緊鑼密鼓的制定中。行人重識別就是給定一個感興趣的行人，需要在其他時間、其他地點、其他監控視野內再次發現并鎖定該目標。

該技術可以應用于以下兩個場景：1)實現跨攝像頭的目標跟蹤。目前單攝像頭的目標跟蹤已經取得了較多的成果，并且已經應用到許多商業領域。但是單攝像頭的視野有限，當監控目標發生跨區穿越時就無法繼續跟蹤，并且無法判斷在該監控范圍內丟失的目標與其他監控范圍內新出現的目標是否為同一行人。而行人重識別技術則可以利用不同視野下目標之間的相似性來尋找正確匹配的目標，從而獲取行人在整個監控網絡下的運動軌跡，實現長期且穩定的跟蹤。2)實現行人的檢索功能。監控網絡為城市安全提供了大量的監控視頻，利用行人重識別技術就可以代替人力排查的方式，在這些歷史的錄像中高效快速的篩選出最有可能包含目標行人的若干視頻圖像。

在實際應用中，行人重識別需要檢索的目標在行人身份上與訓練數據是完全沒有重疊的，這與目前較為成熟的圖像分類任務有一定區別，因為在圖像分類任務中所有類在訓練階段都是可以見到并且學習的，因此行人重識別任務具有更大的挑戰性。此外由于行人圖像較難標注，所獲得的訓練數據的規模也比較小。環境不可控，視角、光照、姿勢等條件的變化都導致了行人在不同監控視野下的外表存在較大的差異。以上諸多因素都會影響行人重識別算法的實際表現。因此就需要設計一個魯棒的特征，并通過度量學習的方式得到一個有效的映射，使得映射后的樣本特征更具備可分性。

歐氏距離可以用于比較特征之間的相似性，但是它對特征中的各個維度都是等價看待的，無法強調有用的信息。因此大多數度量學習的方法都是基于馬氏距離，通過轉換矩陣將特征映射到有辨析力的空間，從而增加樣本之間的可分性。KISSME算法通過最大化似然比來擴大同類和不同類樣本的可分性。Chen等人使用三元組損失，要求類內樣本之間的距離要小于類間樣本之間的距離。Zhang等人設計一個轉換矩陣，要求正樣本對的距離在轉換之后為零，負樣本對之間的距離為正。

發明人在使用本發明的過程中，發現現有技術主要存在以下缺點和不足：

現有的方法大多利用傳統的三元組損失，要求對于一個檢索樣本來說，身份相同的樣本要比身份不同的樣本更接近該目標，沒有考慮在特征空間中樣本之間更全面的位置關系。

發明內容

本發明提供了一種基于特征空間拓撲分布的行人重識別方法，本發明解決了通過深入挖掘樣本特征在特征空間中的拓撲位置分布關系，減少了類內樣本的距離，同時增大了類間樣本的距離，提高了樣本之間的可分性，詳見下文描述：