[发明专利]一种人体再识别方法

说明书

本发明提出一种人体再识别方法。采用以人体躯干部分为人体尺度空间划分的第1层图像区域、后续每一层次的人体尺度空间划分均在前一层次图像区域划分的基础上进行等面积拆分的方式对人体图像进行多层次人体尺度空间划分，获得多层次人体图像区域；选取多个颜色通道，每个颜色通道根据多层次人体尺度空间划分获得的每一层次人体图像区域进行空间直方图计算，然后多个颜色通道再次级联形成多通道空间直方图。本发明解决了现有技术在特征描述和特征匹配方面存在的不完善问题，具有较高的识别成功率和较低的虚警率。

技术领域

本发明属于视频监视与识别技术领域，涉及一种人体再识别方法，尤其涉及一种使用多通道空间直方图实现人体再识别的方法。

背景技术

近年来人体目标再识别技术得到了广泛的研究，在视频网络监控、多目标跟踪和人体行为分析等方面发挥了重要作用。由于经典的人脸等生物特征在较远距离下可识度太低，研究人员逐渐把像素较多的整个人体作为识别对象。人体再识别是指利用已经存在的人体目标图库，在场景或时间变化时，通过搜索图库，再次识别和确认当前所查询人体图片的目标身份。由于存在光照、视角、姿态、背景和遮挡等极具挑战性的因素，人体再识别并不是一个容易的问题。在人体再识别过程中，通常假设在短时间内人的着装相同，因此颜色是人体再识别最常用且最有效的特征。另外，人体作为一种特殊的目标，其结构对于人体识别也非常重要。将人体图像进行合理的多层次多区域划分，能够更好地反映出人体的结构信息。

人体再识别主要使用的特征有颜色、结构、纹理、关键点以及区域描述子等。SDALF方法[文献1：Farenzena M,Bazzani L,Perina A,et al.Person re-identification bysymmetry-driven accumulation of local features.IEEE Conference on ComputerVision and Pattern Recognition.San Francisco,USA,2010:2360-2367]提取前景后将人体目标分割为头部、躯干和腿部，并使用HSV直方图和重复纹理块等特征进行组合识别。CPS方法[文献2：Cheng D S,Cristani M,Stoppa M,et al.Custom pictorial structuresfor re-identification.British Machine Vision Conference,Dundee,UK,2011:6]利用人体结构检测出人体的详细部位后再进行识别。上述方法对人体图像的质量要求较高，对于低解析度图像来说，难以计算形成前述方法所需要采用的特征。

在对人体图像特定区域进行描述时，颜色直方图能够表现该区域的整体特征，对视角和形状变化具有一定的不变性。SCEFA方法[文献3：Hu Y,Liao S,Lei Z,etal.Exploring structural information and fusing multiple features for personre-identification.IEEE Conference on Computer Vision and Pattern Recognition,Portland,USA,2013:794-799]采用分层加权的HSV直方图和双向匹配的颜色区域特征，并用Gabor纹理模式描述检测到的人体关键点。刘忠轩等提交的专利“基于视频图像中的人体图像再识别的方法”(申请号：201210592515.6)采用HSV直方图作为人体特征向量。蒋云良等提交的专利“一种应用于行人再识别的多核支持向量机多示例学习算法”(申请号：201410091319.X)则采用了HSV空间的级联组合，用支持向量机完成特征的匹配。但上述方法都只使用了颜色直方图，忽略了像素的空间位置信息，即忽略了颜色的空间结构，因此模型的分辨能力不高，对颜色直方图相似的人体目标缺乏判别能力。

以上人体再识别方法，在特征描述和特征匹配方面的不完善，造成了人体再识别的识别率成功率偏低、虚警率过高问题。

发明内容