[发明专利]不同场景对人体图像再识别的方法

权利要求书

1.一种不同场景对人体图像再识别的方法，其特征在于，包括：

检测出视频图像中的人体图像；

将所述人体图像分割为多个区域；

确定每个所述区域的特征向量，结合在不同场景下，为每个区域设置的权重，将多个特征向量与预先采集的数据库中的多个基准向量进行匹配；

将所述数据库中匹配成功的人体图像作为识别结果。

2.根据权利要求1所述的方法，其特征在于，所述分割过程包括：

选择人体图像中局部最小值作为种子，采用分水岭算法分割为多个区域。

3.根据权利要求2所述的方法，其特征在于，还包括：

比较相邻区域的颜色灰度，当差值小于阈值时，将所述相邻区域合并。

4.根据权利要求2所述的方法，其特征在于，所述确定特征向量的过程包括：

将所述区域的图像转换为HSV格式；

统计所述HSV格式的区域内的各种颜色的像素数量；

根据所述各种颜色的像素数量确定与该区域对应的一组特征向量。

5.根据权利要求4所述的方法，其特征在于，所述数据库中的基准向量由以下步骤确定：

预先采集每个人体图像的多幅视频图像；

通过所述多幅视频图像，确定出每个人体图像的多个区域、以及与每个区域对应的一组特征向量，作为该区域对应的基准向量；

所述匹配过程包括：

运算各个所述区域对应的各个特征向量分别与所述数据库中每个人体图像的各个区域的基准向量的距离；

对每个特征向量得到的多个距离排序，确定出两个最小的距离d1和d2；其中，d1<d2；

如果所述1.5d1＜d2，则确定该特征向量与用于运算所述d1的基准向量相匹配。

6.根据权利要求5所述的方法，其特征在于，

确定与每个所述特征向量距离最近的基准向量的所在区域对应的人体图像，并统计对应每个人体图像的各个区域的基准向量被匹配的次数的总和；

找出被确定的次数总和唯一、且最高的值的人体图像的标签或ID，作为所述匹配成功的人体图像。

7.根据权利要求5所述的方法，其特征在于，还包括：采用以下欧式距离公式运算所述距离；

d=Σi=1MqiΣj=1N(xi,j-Xi,j)2;]]>

其中d为特征向量与基准向量的距离，M表示人体被分为的区域数，q_i为第i个区域在场景中的权重，x为图像的特征向量，X为训练得到的基准向量，j表示特征向量或基准向量的位数，N为特征向量或基准向量的维数。

8.根据权利要求6所述的方法，其特征在于，还包括：

如果没有匹配成功，则将所述检测出的人体图像的各个区域的特征向量作为新的基准向量加入到所述数据库。

9.根据权利要求1所述的方法，其特征在于，还包括：

在当前帧图像和之前的视频图像中，采用最小的带颜色框体框住所述检测到的该人体图像。

10.根据权利要求1所述的方法，其特征在于，

所述人体图像分割的区域为头部、上半身、和下半身：

所述不同的场景包括室内和室外；

所述不同场景为室内，各个区域的权重之比为1:1:2；

所述不同场景为室外，各个区域的权重之比为2:3:3。