[发明专利]一种行人图像属性特征量化的方法有效

专利信息
申请号: 201910268568.4 申请日: 2019-04-04
公开(公告)号: CN109993128B 公开(公告)日: 2020-12-18
发明(设计)人: 王蕴红;张少雄;刘峥 申请(专利权)人: 北京航空航天大学
主分类号: G06K9/00 分类号: G06K9/00;G06K9/46;G06K9/62
代理公司: 北京聿华联合知识产权代理有限公司 11611 代理人: 张文娟;朱绘
地址: 100083*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 行人 图像 属性 特征 量化 方法
【权利要求书】:

1.一种行人图像属性特征量化的方法,包括:

根据预设的像素值区间到颜色单词的映射关系,由待量化图像中每个像素值确定对应的颜色单词,其中,基于预设种类的颜色空间,对每幅含有行人信息的训练图像中的所有像素值进行聚类分析归纳处理,得到在该颜色空间中的符合行人特征分布规律的所述颜色单词;

计算每个像素点的颜色单词分别属于每类颜色主题的概率,将所述待量化图像表示成每个像素点对应有维度与颜色主题数量一致的主题概率向量,其中,基于不同颜色单词对训练数据中行人特征的贡献,计算不同颜色单词间的相关性并将关联紧密的颜色单词进行聚合,得到不同类别的所述颜色主题;

将所述待量化图像中各像素点对应的主题概率向量进行串联,利用串联结果描述所述待量化图像的颜色属性特征。

2.根据权利要求1所述的方法,其特征在于,在形成所述颜色主题过程中,包括:

根据每种颜色单词的不同通道像素值,计算任两种颜色单词之间的语义相关性;

将每幅训练图像表示成每个像素点对应有维度与颜色单词数量一致的单词概率向量,基于此,计算每个颜色单词在每幅训练图像中的词频、以及每个颜色单词在所有训练图像中出现的概率,进一步得到每个颜色单词相对于所有训练图像的词频与图像频率指数,以表征该种颜色单词对所述训练数据中行人特征的贡献;

基于成对的行人身份相关性约束条件,根据不同颜色单词之间的语义相关性和所述词频与图像频率指数,统计在所述训练数据内出现的所有颜色单词中任两种颜色对之间的相关性,得到相应的行人属性单词相关性;

将多个针对每种颜色对的所述行人属性单词相关性进行聚合处理,形成所述颜色主题。

3.根据权利要求2所述的方法,其特征在于,在基于成对的行人身份相关性约束条件,根据不同颜色单词之间的语义相关性和所述词频与图像频率指数,统计在所述训练数据内出现的所有颜色单词中任两种颜色对之间的相关性,得到相应的行人属性单词相关性步骤中,进一步包括:

S1,从所述训练数据中任意抽选两幅训练图像,基于该图像对的所述行人身份相关性约束条件,根据这两幅训练图像中出现的每种颜色单词的所述词频与图像频率指数,计算该图像对中出现的每种颜色对的贡献率指数相关性;

S2,判断是否需要继续抽取训练图像对,若需要,则抽选任意两幅训练图像,实施步骤S1,否则,进入到步骤S3;

S3,基于步骤S1和步骤S2的计算结果,将所有已抽选图像对中的同种颜色对的所述贡献率指数相关性进行求和处理,结合这种颜色对的所述语义相关性,得到相应的所述行人属性单词相关性。

4.根据权利要求3所述的方法,其特征在于,在步骤S1中,进一步包括:

S11,选取第一幅训练图像中的一个像素点,记录该像素点所在的行数;

S12,判断该图像对是否满足所述行人身份相关性约束条件,分别计算该像素点对应的颜色单词与第二幅图像中同一行的每个像素点对应的颜色单词之间的相关性,基于此,得到相应的多个第一相关性结果;

S13,判断是否遍历完所述第一幅训练图像中的每一个像素点,若没有,则选取下一个像素点,并依次实施步骤S11、及步骤S12,否则,进入到步骤S14;

S14,将这两幅训练图像中属于同种颜色对的所述第一相关性结果进行求和处理,得到针对这种颜色对的所述贡献率指数相关性。

5.根据权利要求4所述的方法,其特征在于,在步骤S1中,还包括:

按照预设的一定面积的局部块阈值,将已抽选的两幅训练图像分别划分成若干个局部图像块,并将每个所述局部图像块作为计算所述贡献率指数相关性过程中的像素点,并确定每个所述局部图像块对应的像素值;

利用所述像素值区间到颜色单词的映射关系,由每个所述局部图像块的像素值确定出相应的所述颜色单词。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京航空航天大学,未经北京航空航天大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910268568.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top