[发明专利]一种基于互信息的目标匹配方法及其系统

说明书

技术领域

本发明涉及数字图像处理领域中的图像数据库中多类别的目标匹配技术，特别是涉及一种基于互信息的目标匹配方法及其系统。

背景技术

现有关于目标匹配的应用较多，比如涉及到物体识别和分类，图像检索领域等。比如，在多类别的图像数据库检索中，对于给定的查询图像，通过距离度量与查询图像和数据库中每一类的参考图像打分并排序，打分排名越高得到最终结果。目标匹配一般应用于物体检索与识别，也可以应用于跟踪。这里以Person Re-Identification（行人重检）为例，介绍目标匹配在行人重检中的应用。

尽管近几年计算机视觉研究者致力于人体重检的研究中，但是人体重检问题依旧挑战性很大。这主要是因为有几个原因：

其一，在比较复杂难控制的摄像环境下，通过像人脸或者步态这种生物学信息难以验证人体身份。

其次，对于摄像机的多视角有多种不确定性，从而很难得到鲁棒的时空信息，所以人体重检问题很难通过特征来模型化。

再者，视觉外形特征，比如从人体衣服或者轮廓上提取的特征，比较直接没有一定的可区分性；另外，一个人的穿着在多摄像机的条件下都有很大的变化，因为不同的摄像机下成像会与光照，角度，背景遮挡有关，导致不同的人的外观在不同的视角下呈现出不同的效果。

给定一张查询图像，为了找到与之匹配的其他视角的参考图像，需要有以下两步：

第一，首先计算出查询图像与数据库图像的特征表示；

第二，通过一定距离度量来计算两者之间的距离，然后排序，得到的top1就是所要求的结果，有时候要求的结果可能不是很严格，所以得到的前top k都可以列入返回候选结果中。

现如今，主要的研究方法可以被分为三类：基于特征描述的方法，基于度量学习的机器学习的方法，以及基于分类的方法。基于特征描述的方法主要是对应于图像特点以及任务，从而寻求这些特征描述子对于不同视角下具有可区分性和稳定性。比如，在文献1“M.Farenzena,L.B.,A.Perina,V.Murino,M.Cristani(2010).Person Re-Identification by Symmetry-Driven Accumulation of Local Features.CVPR.”中，是将不用的特征用于描述同一个人，首先适用对称的方法将人的骨架提取，在这个基础上挖掘图像中人的外形的颜色特征，这种方法很强的依赖于预处理即人体分割，所以所得的特征表示不会鲁棒。在文献2“Bingpeng MA,Y.S.,Frederic Jurie(2012).BiCov:a novel image representation for person re-identification and face verification.BMVC.”中，将图像的HSV三个颜色通道分别做Gabor，然后对相邻的尺度上特征融合，最后采用协方差描述子衡量特征之间的距离。再如，文献3“Bingpeng Ma,Y.S.(2012).Local Descriptors encoded by Fisher Vectors for Person Re-identification.Workshop in ECCV.”是将低层的特征的抽象到中层表示所谓的Attribute，提取视觉或者语义上的特征，比如对于不同的人，将其在不同的条带分为不同的穿着，比如短袖，裤子等。