[发明专利]一种多尺度特征融合的行人比对方法

摘要

本发明公开一种计算机视频处理技术领域的多尺度特征融合的行人比对方法，本发明融合多种行人特征，增强比对特征在多摄像头环境下的稳定性和独特性；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：先在小尺度上进行比对过滤，而后对筛选后的行人在较大尺度上进行匹配，在保证各特征比对性能的前提下，降低方法复杂度；并针对现有纹理特征进行改进，采用一种新的基于显著特征点的比对方法；本方法引入半监督的距离学习方法进行距离函数学习，以降低传统距离学习算法训练标定过程的复杂度，提高匹配准确率。

主权项

1.一种多尺度特征融合的行人比对方法，其特征在于，包括以下步骤：第一步：设P＝{pi|1≤i≤N}为相机A下的行人图像集合，Q＝{qi|1≤i≤N}为相机B下的行人集合；第二步：在低尺度下，应用颜色和轮廓的比对方法，进行第一次行人筛选，得到候选行人集第三步：在高尺度上采用基于显著特征点的比对方法，针对行人p，对行人集合中的各行人进行相似度计算；第四步：对低尺度和高尺度上的行人相似度进行叠加，按降序排列，得到Q中与p最相似的行人集合；所述第二步的具体实现步骤为：1)选取K＝βN组行人进行距离函数模型标定训练,式中K为选取的行人组数，N为整个行人组数，β为行人组的选取率，提取行人的颜色特征向量和轮廓特征向量，分别进行直方图归一化；2)将归一化后的两类特征向量进行级联，得到行人在低尺度上的融合特征，利用此融合特征进行半监督SVM训练得到相似度函数；3)在低尺度上采用颜色和轮廓特征进行行人比对，对于行人p∈P，计算p与集合Q中各行人的相似度后，归一化至[0,1]；4)将集合Q以相似度降序排列，即可得到集合Q中与p最相似的行人集合，记为选取中排名前r％的行人进行下一尺度上的比对，记为集合r的选择与复杂度有关；所述显著特征点是一种改进的基于纹理特征的比对方法，具体步骤为：a)首先对行人图像进行SURF特征点提取，对每个特征点进行纹理特征提取，并在特征点附近范围提取颜色特征，综合特征点的纹理和颜色特征，进一步提高局部特征点的显著性；b)并在进行特征点匹配时，进行空间约束，限定匹配特征点的空间范围，提高匹配准确率；c)同时采用KNN方法计算每个特征点的权重，突出显著特征点的权重，提高行人比对的准确率。