[发明专利]不同场景对人体图像再识别的方法

说明书

技术领域

本发明涉及视频监控领域，具体而言，涉及一种不同场景对人体图像再识别的方法。

背景技术

目前对视频图像中的人体识别技术，在识别过程中，同样的识别算法在不同的识别环境下，会有不同的识别结果。由于视频识别技术，只能识别出视频中的人体图像，不能对人体图像的个体进行确认，上述不同环境下，又会有不同的识别结果，从而导致不能区分出每个人体图像的移动轨迹，不能确定当前视频中的人体图像的身份。

发明内容

本发明旨在提供一种不同场景对人体图像再识别的方法，以解决不能对人体图像的个体进行确认的问题。

在本发明的实施例中，提供了一种不同场景对人体图像再识别的方法，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。

通过上述的步骤，可在数据库中确定出人体图像，将确定出的人体图像身份作为检测到的人体图像的身份。从而可在视频中掌握每个人体图像对应的人的活动范围。由于结合了不同场景的权重，增加了识别的准确率。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1示出了实施例的流程图；

具体实施方式

下面将参考附图并结合实施例，来详细说明本发明。参见图1，实施例的步骤包括：

S11：检测出视频图像中的人体图像；

S12：将所述人体图像分割为多个区域；

S13：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；

S14：将所述数据库中匹配成功的人体图像作为识别结果。

通过上述的步骤，可在数据库中确定出人体图像，将确定出的人体图像身份作为检测到的人体图像的身份。从而可在视频中掌握每个人体图像对应的人及活动范围。由于结合了不同场景的权重，增加了识别的准确率。

优选地，实施例中，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，头部、上半身、和下半身区域的权重之比为1:1:2；

所述不同场景为室外，头部、上半身、和下半身区域的权重之比为2:3:3。

由于区分了场景，在室内、室外光线变化不同，权重比例也不同，更有针对性，显著提高了识别结果的正确率。

优选地，实施例中，检测人体图像的步骤包括：使用高斯背景建模法在视频中检测运动区域。为了消除噪声，使用腐蚀和膨胀算法对检测到的前景图进行过滤。将前景图片所在区域圈定出来，作为人体检测的范围。

在检测到的运动区域内，使用基于方向梯度直方图(HOG)和带有隐含参数的支持向量机(latent SVM)的物体检测方法，在不同尺度上对视频中的人体图像进行检测。

优选地，实施例中，对图像进行分割时，可采用分水岭算法对图像进行分割。在图像中，选取灰度值为局部极小值的点作为分水岭算法的种子，对图像的灰度信息使用分水岭算法，将图片分割为不同的区域。

计算像素点的灰度的公式如下：Y=0.2999R+0.5870G+0.1140B

分水岭算法分割图像：分水岭算法是根据图像的灰度信息，对图像进行区域分割的一种方法。首先将图像中的所有像素点按照灰度值从小到大排序，将灰度值为局部极小值的点作为种子点。在每个种子点所在位置构建区域。之后按照灰度值从小到大的顺序逐个处理每一个像素点，将被处理的像素点加入与它相邻的区域之中。当所有像素点都被加入区域之后，就得到图像的分割信息。分割的区域通常为人体图像的上半身图像，下半身图像、和头部，甚至还可以有脚部等。

采用分水岭算法具体实现方式如下：

M1M2,....MR表示图像g（x，y）的局部极小值点的坐标的集合。R为正整数。

C(Mi)表示与局部极小值Mi相联系的汇水盆内点的集合。

T[n]＝{(s,t)|g(s,t)<n}表示位于平面g（x，y）=n下方的点的集合。S，t为坐标点。

Cn(Mi)=C(Mi)∩T[n]表示第n阶段汇水盆地被水淹没部分的集合。Mi=M1~MR