[發明專利]一種行人重識別方法

在審

• 申請號: 201911260981.2
• 申請日: 2019-12-10
• 公開（公告）號: CN111046789A
• 公開（公告）日: 2020-04-21
• 發明（設計）人: 閆保中;王帥帥;王晨宇;韓旭東;何偉
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種行人重識別方法，其特征在于，包括以下步驟：

S1：利用監控設備獲取行人監控錄像；

S2：使用Vibe算法進行背景建模，得到檢測視頻中的運動目標區域，包括行人、汽車；

S3：使用改進的DPM模型進行行人精檢；

S4：采用新的HSV空間量化算法，將顏色空間分為9種顏色；

S5：對視頻中檢測到的行人進行跟蹤，同時提取上下身的CN顏色特征，存入數據庫；

S6：采用行人預識別策略，提取待檢測行人目標的上下半身顏色與行人數據庫中數據進行對比，得到準目標行人序列；

S7：采用新的特征融合算法和簡單的度量學習算法對準目標行人進行準確檢測。

2.根據權利要求1所述的一種行人重識別方法，其特征在于：S2所述使用Vibe算法進行背景建模，得到檢測視頻中的運動目標區域具體為：

S2.1：訓練階段，通過監控視頻第一幀圖像序列建立背景樣本集進行背景模型的初始化；

S2.2：檢測階段，進行前景檢測，取下一幀圖像的像素值和對象的背景樣本集進行距離計算，計算背景圖像與待檢測圖像之間的距離，得到運動前景；

S2.3：模型更新，結合運動的點計數策略來更新背景模型，如果一個點連續被檢測為運動的點，則對這個點進行更新。

3.根據權利要求1所述的一種行人重識別方法，其特征在于：S3所述使用改進的DPM模型進行行人精檢具體為：

S3.1：采用PCA-HOG結合LBP特征來表述行人，每張圖像對應的HL特征表示為其中HOG代表HOG特征，代表LBP特征；

S3.2：進行DPM模型訓練，將不同的部件賦予不同的權重，改進后的部件模型目標響應得分滿足：

其中，score(p_i)表示第i個部件目標響應得分，F₀表示根濾波器，與相乘得到得分，每個根部件濾波器的權重用w_i表示，b表示偏差的數值，F_i代表第i個部件濾波器，H代表LBP+HOG融合特征的金字塔，p_i代表第i個部件的模型，d_i代表偏移系數，表示對部件的偏移懲罰，n表示部件總數。

S3.3：將訓練好的DPM模型在運動目標區域中進行行人精檢，得到行人矩形框。

4.根據權利要求1所述的一種行人重識別方法，其特征在于：S4所述采用新的HSV空間量化算法，將顏色空間分為9種顏色具體為：

S4.1：使用亮色分離策略分割HSV顏色空間，按照V分量值的大小分成多個色盤V_i，i＝1,2,…,m；

S4.2：分割S4.1得到的色盤，按照S分量值的大小將V_i色盤分成類色環VS_i^j，j＝1,2,…,n；

S4.3:在VS_ij空間中根據色調H分量的值生成顏色塊，固定S、V分量的值，調節H分量的大小，通過人為觀察分別確定各塊的顏色標簽和對應的H區間；此外還有黑、白、灰三種顏色，采用控制變量法進行測試，發現當明度0≤V＜40時，無論色調H和飽和度S的值如何變，該區域呈現黑色，當40V≤220且0≤S＜35時，該區域呈灰色，220＜V≤255且0≤S＜25區域呈現白色；若H、S、V值為其他值，根據H和S值確定對應顏色，經過人工標記，生成顏色對照表，通過顏色對照表得到HSV空間到9種索引顏色的映射。

5.根據權利要求1所述的一種行人重識別方法，其特征在于：S5所述對視頻中檢測到的行人進行跟蹤，同時提取上下身的CN顏色特征，存入數據庫具體為：

針對S3得到的行人矩形框，從上至下選取圖像的20％-50％區域作為行人上半身區域，55％-75％作為下半身區域，遍歷所選區域的每個像素點，根據步驟S4判斷區間的主顏色，與跟蹤的行人序列一起存入行人數據庫，同時將行人圖像大小設為128像素×48像素。