[发明专利]一种人体再识别方法

摘要

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。

主权项

1.一种人体再识别方法，其特征在于，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8个颜色通道{Y,Cb,Cr,H,S,nR,nG,nB}，其中，Y、Cb、Cr为YCbCr颜色空间的三个颜色通道，H、S为HSV颜色空间的H颜色通道和S颜色通道，nR、nG、nB为RGB颜色空间归一化后的R、G、B颜色通道，在提取归一化RGB空间前，先对原始RGB空间的三个通道进行直方图均衡；获得归一化RGB颜色空间中的像素值的计算方式如公式(1)所示：式(1)中，R、G、B分别为红、绿、蓝颜色，nR、nG、nB分别为归一化后的红、绿、蓝颜色；在进行空间直方图计算时，去掉图像中像素的水平方向位置信息，保留垂直方向位置信息；所形成的多通道空间直方图S如公式(2)所示：S＝{h＝(nb),μy＝(μby),σy＝(σby),b＝1,2,...,B}    (2)公式(2)中，h＝(n_b)、μ_y＝(μ_by)、σ_y＝(σ_by)是组成多通道空间直方图S的三个向量；其中，b为直方图的统计区间的序号；B为统计区间总数；n_b为第b个统计区间的颜色统计值；μ_by和σ_by分别代表属于第b个统计区间的像素点在垂直方向上的坐标位置分布均值和标准差，且μ_by＝μ_b(2)、μ_b和∑_b分别是用属于第b个统计区间的所有像素计算获得的平均空间位置向量和位置协方差矩阵；使用加权1‑范数距离测度实现多向量的距离测度合成，所述加权1‑范数距离测度如公式(3)所示：d(S,S′)＝w1||h‑h'||1+w2||μy‑μ'y||1+w3||σy‑σ'y||1     (3)公式(3)中，S和S′分别代表两副人体图像的多通道空间直方图，d(S,S′)为多通道空间直方图S和S′的加权1‑范数距离测度，w1、w2和w3分别是加权1‑范数距离测度三个子特征h、μy和σy的权重，令三个子特征的组合权重为wf,f＝1,2,3，则wf,f＝1,2,3满足公式(4)所示的归一化条件：在使用所述多通道直方图和加权1‑范数距离测度进行人体再识别之前，先在训练图库上对人体图像进行交叉验证，通过训练获得具有最高正确识别率的组合权重wf,f＝1,2,3、尺度空间划分层数以及统计区间总数的最优参数组合；然后，根据训练获得的最优尺度空间划分层数和统计区间总数，对需要识别的两幅图像计算获得多通道直方图特征，再根据训练获得的最优组合权重使用加权1‑范数距离测度计算待识别的两幅图像的相似性，以完成人体再识别任务；所述交叉验证的过程为：在满足公式(4)的前提下，以wf等值步进为条件，构造组合权重wf,f＝1,2,3的一个候选组合权重参数，所有的候选组合权重参数形成候选组合权重参数集合；选择多种人体尺度空间参数，即选择多种尺度空间划分层数和统计区间总数作为候选人体尺度空间参数集合；在人体尺度空间参数集合中选择任意一个尺度空间划分层数、一个统计区间总数；在候选组合权重参数集合中任选一个组合权重的组合；按照交叉验证的方法，利用训练图库形成测试集和训练集；针对训练图库中选择的任意两张人体图像，根据选择的尺度空间划分层数和统计区间总数，对该任意两张人体图像计算其多通道直方图特征向量；根据选择的组合权重使用加权1‑范数距离测度计算该任意两张人体图像的相似性；根据最邻近原则，交叉验证所选择的参数在人体图库上的再识别性能；根据测试集和训练集对加权1‑范数距离测度的组合权重参数进行学习和验证；多次随机划分测试集和训练集，形成特定尺度空间参数下加权1‑范数距离测度最优的组合权重。