[发明专利]基于背景抑制的行人重识别方法

摘要

本发明公开了一种基于背景抑制的行人重识别方法，获取若干图像样并提取特征向量，提取方法为：对图像分块进行特征向量提取，同时提取分块的HOG直方图特征向量，获取基于HOG域的随机蕨特征，采用随机蕨特征进行背景判断，根据背景判断结果将图像分块的特征向量连接得到图像的特征向量；对待识别图像分块进行特征向量提取，将图像分块的特征向量连接得到图像的特征向量；计算待识别图像的特征向量和每张图像样本的特征向量的相似度，得到识别结果。本发明通过采用基于HOG域的随机蕨特征进行背景判断，对图像中的背景特征进行抑制，减少背景因素的干扰，从而提高行人重识别的准确率。

主权项

1.一种基于背景抑制的行人重识别方法，其特征在于，包括以下步骤：S1：获取若干标记有摄像头编码的图像样本构成图像样本库，将每张图像样本归一化至预设尺寸，并按照拍摄摄像头进行分组得到图像样本组；S2：分别对每张图像样本提取特征向量，具体方法为：S2.1：对图像样本进行分块，以每个分块为单位进行特征提取，记分块数量为N，第n个分块的特征向量记为Pn，n＝1,2,…,N；S2.2：将每个分块划分为Q个细胞单元，获取每个细胞单元的HOG特征向量gnq，q＝1,2,…,Q，记细胞单元的HOG特征向量的维数为K；将M个HOG特征向量gnq连接得到一个向量，作为分块的HOG特征向量Hn，记HOG特征向量Hn中的元素为hn(d)，其中d＝1,2,…,D，D＝K×Q；预设M对元素序号θm＝(bm1,bm2)，m＝1,2,…,M，得到M个二进制特征f(n；bm1,bm2)＝I(hn(bm1)＞hn(bm2))，然后得到第n个分块的基于HOG域的随机蕨特征f(n；θ)＝[f(n；θ1),…,f(n；θM)]，将f(n；θ)转化成十进制数值Fn；S2.3：采用随机蕨特征进行背景判断，具体方法为：S2.3.1：令图像分块序号n＝1；S2.3.2：对于图像样本库每个图像样本组的图像样本，根据十进制数值Fn对这些图像样本的第n个图像分块进行聚类，记所获取的分类数量为R，第r个分类中的图像分块数量为Cr，r＝1,2,…,R；S2.3.3：令分类序号r＝1；S2.3.4：判断第r个分类的图像分块数量Xr是否大于预设阈值Xmin，如果不是，进入步骤S2.3.5，否则进入步骤S2.3.6；S2.3.5：判定第r个分类的图像分块均为前景，进入步骤S2.3.6，进入步骤S2.3.7；S2.3.6：计算第r个分类经加权处理后的样本数量Cr′：其中，exp表示指数函数，xmiddle表示图像样本的中心横坐标，x表示第n个图像分块中心点的横坐标，σ表示方差；如果Cr′＞V，则判断第r个分类中的图像分块为背景，，否则为前背景；S2.3.7：判断是否r＜R，如果是，进入步骤S2.3.8，否则进入步骤S2.3.9；S2.3.8：令r＝r+1，返回步骤S2.3.4；S2.3.9：判断是否n＜N，如果是，进入步骤S2.3.10，否则背景判断结束；S2.3.10：令n＝n+1，返回步骤S2.3.2；S2.4：对于图像样本库中的每张图像样本，依次对每个图像分块进行判断，如果第n个图像分块为背景，则修改对应的特征向量Pn为0向量，否则不作任何操作；然后将N个图像分块的特征向量连接得到整个图像样本的特征向量；S3：将待识别图像归一化至预设尺寸后划分为N个分块，以每个分块为单位进行特征提取，然后将N个分块的特征向量连接得到待识别图像的特征向量；S4：计算待识别图像的特征向量和每张图像样本的特征向量的相似度，得到识别结果。