[发明专利]一种基于多元空间轨迹关联的行人身份识别方法

权利要求书

1.一种基于多元空间轨迹关联的行人身份识别方法，其特征在于，包括以下步骤：

步骤1：根据检测到的移动设备定位的地理轨迹筛选已知路径上的视频图像；

根据移动设备信号路径提取摄像机网络下符合时间约束的全部图像，并检索已知路径上的监控点信息；

所述移动设备信号路径p由GPS定位信息(Lng_i,Lat_i)和时间戳信息t_i两种信息进行描述，形式如下：

p＝{(Lng₁,Lat₁,t₁),(Lng₂,Lat₂,t₂),...,(Lng_i,Lat_i,t_i)...,(Lng_e,Lat_e,t_e)}；

其中，Lng_i表示定位点的经度，Lng_i表示定位点的纬度；

所述提取摄像机网络下符合时间约束的全部图像和检索已知路径上的监控点信息，具体实现包括以下子步骤：

步骤1.1：获取移动设备信号路径的起点时间t₁和终点时间t_e，在摄像机网络下提取在[t₁,t_e]时间段内被捕捉的图像，形成候选集；

步骤1.2：遍历移动设备信号路径下的每一个定位点信息，以定位点为圆心，半径为50米，搜索覆盖范围内的摄像头，将移动设备信号路径转化成摄像机网络下的摄像机序列；表示形式如下：

c_k＝{i-c_j|1≤i≤n,1≤j≤N}；

其中，i表示路径监控点索引，c_k第k条移动设备信号路径的监控点序列，c_j表示在监控点序列中的第j个监控摄像机；j表示摄像机网络下的摄像机索引，n表示地理路径上的监控点数量，N表示摄像机网络下的摄像机数量；

步骤2：对图像路径建立隐马尔可夫模型；

步骤3：找到最大关联概率的图像路径，检索出目标人物在已知地理路径上每一个监控点下的图像。

2.根据权利要求1所述的基于多元空间轨迹关联的行人身份识别方法，其特征在于，步骤2的具体实现包括以下子步骤：

步骤2.1：计算隐藏状态转移概率矩阵集合；

所述隐藏状态转移概率矩阵集合A是由移动设备信号路径对应的摄像机序

列中每两个相邻的摄像机间的状态转移概率矩阵组成；

A＝{[s_pq]_γ|1≤γ≤n-1}；

其中γ表示状态转移矩阵的索引，n表示已知路径上的监控点数，[s_pq]表示转移概率矩阵，由两个相邻监控点下的状态转移概率组成；

所述状态转移概率是指候选集中任意两张图像的视觉相似度，用表示，表示地理路径上第i-1个监控点下的第p张图像，表示地理路径上第i个监控点下的第q张图像；

步骤2.2：计算初始概率矩阵；

初始状态概率矩阵π由第一个监控点下每个图像的初始概率组成；

π＝{π_t|1≤t≤m}；

其中m表示在第一个监控点下的图像数量，π_t表示每一个图像是目标人物图像的概率；所述初始状态概率是指在第一个监控点下的图像是目标人物图像的概率；

步骤2.3：计算观测概率矩阵；

所述观测概率矩阵B是指当前图像生成可观测监控点的概率；

其中，S_i表示当前图像，为被第i个监控点捕捉的第q张图像；的含义为在已知路径上当前监控点的状态是的条件下，被摄像机c_j捕捉的概率；

步骤2.4：建立隐马尔可夫模型λ；

λ＝(A,B,π)。

3.根据权利要求2所述的基于多元空间轨迹关联的行人身份识别方法，其特征在于：步骤2.1中，

其中，表示图像经过DenseNet卷积神经网络提取的视觉特征。