[发明专利]一种分辨率自适应特征提取与融合的行人重识别方法

摘要

本发明公开一种分辨率自适应特征提取与融合的行人重识别方法，该方法融合生物特征和外貌特征，用人脸特征和外貌特征融合的方法识别行人，增强特征的差异性，同时根据特征在不同图像尺度上的表现，不同的行人特征将在不同尺度上进行比对；同时采用筛选机制，先用颜色特征和轮廓特征得到的融合特征进行筛选，然后用人脸特征对筛选结果进行补充，最后在筛选的行人上提取纹理特征，极大稳定颜色区域特征和加权颜色特征，并使用自适应加权的方法融合提取的全局特征和局部特征特征得到融合特征。本发明通过生物特征和外貌特征的自适应融合可以提高方法的准确率。通过在低尺度提取外貌特征以及筛选机制可以降低复杂度。

主权项

1.一种分辨率自适应特征提取与融合的行人重识别方法，其特征在于，包括以下步骤：第一步：设P＝{pi|1≤i≤N}为相机A下的行人图片集合，Q＝{qi|1≤i≤N}为相机B下的行人图片集合，N为行人的个数；第二步：对P和Q中的原始行人图片进行降采样，得到低尺度图片；采用筛选机制，先将行人图片集合Q用HS和HOG筛选，得到筛选后的集合0<r<100，然后在高尺度图片上提取人脸特征LPQ特征，所述高尺度图片是原始行人图片集合P和Q，在P上能检测出人脸特征的行人图片集合记为P_f，在Q上能检测出人脸特征的行人图片集合记为Q_f，最后用能检测到人脸的行人图片集合Q_f来补充候选行人集将候选行人集扩充为Q_candidate，第三步：在Qcandidate的原始行人图片上即高尺度图片上提取有空间限制的纹理特征LSCF、极大稳定颜色区域特征MSCR和加权颜色特征wHSV，得到初始分数曲线queryLSCF，queryMSCR和querywHSV；第四步：采用自适应加权的方法融合在低尺度和高尺度上提取的特征，针对行人p，p∈P，对行人集合中的各行人进行相似度计算，并对得到的相似度按降序排列，得到Q中p最相似的行人集合；所述第四步，具体步骤为：a)对特征HS，HOG，LPQ，LSCF，MSCR以及wHSV训练多条参考曲线，参考分数曲线分数降序排列；b)对特征HS、HOG、LPQ、LSCF、MSCR、wHSV的初始分数曲线queryHS、queryHOG、queryLPQ、queryLSCF、queryMSCR、querywHSV按分数高低降序排列，并用初始分数曲线减去最接近初始分数曲线走势的参考分数曲线，归一化后得到归一化后的分数曲线，计算归一化后的分数曲线下的面积；面积越大的特征其区分性越差，其权重也越小；c)将queryHS，queryHOG，queryLPQ，queryLSCF，queryMSCR，querywHSV按照权重加权，得到融合分数曲线；根据分数高低降序排列，得到Q中最接近p的行人集合。