一种监控视频中行人重识别方法
【专利摘要】本发明公开了一种基于人体对称性与结构化特征稀疏表示的监控视频中行人重识别方法。该方法利用待识别行人的多帧图像作为训练，先进行行人检测和行人轮廓的提取，后根据人体对称性把行人的轮廓分为头部、左躯干、右躯干、左腿和右腿五个感兴趣区域。通过选取适当的特征对这五个感兴趣区域进行特征提取，并输入线性模型中，可得到待重识别的结果。本发明贴切实际情况，可有效地解决视频监控网络中行人重识别准确率低的问题。
【专利说明】一种监控视频中行人重识别方法
【技术领域】
[0001]本发明属于智能监控领域，具体涉及一种监控视频中行人重识别方法。
【背景技术】
[0002]安全是一个社会和企业赖以生存和发展的基础，尤其是在现代化技术高度发展的今天，犯罪更趋智能化，手段更隐蔽，加强现代化的安防技术就显得更为重要。例如，如何在机场、车站、码头、宾馆、商场等口岸或公共场所的人群中发现特定的目标。安全部门、公安部门以往的做法只能是靠人工布控、蹲守。这种方式除了耗费大量的警力以外，还往往因为有关人员的疏忽而造成特定目标漏网；犯罪嫌疑人在被控制以后，不愿意透露自己的真实身份，而且身上没有任何可以证明身份的线索。公安人员往往因为无从确认其身份而不得不将其释放。在受害人身份确认方面同样也存在类似的难题；在出入境管理方面，常常有受控人员使用假的身份证件而成功逃脱有关部门的监控。
[0003]智能监控技术对于维护国家安全和社会稳定、打击各类犯罪活动具有十分重大的意义。在新兴的信息安全应用领域，行人重识别技术提供了一种更为安全可靠易用的身份鉴别手段，从而提升了整个网络信息系统的安全性能，有效地遏止各类网络违法犯罪活动。同时，行人重识别技术在传统的安防领域可以便捷的与原有技术实现紧密的结合，大大提升原有系统的智能化程度、安全性及易用性，拓展了原有系统的应用领域，从而促进了传统产业的技术升级。
【发明内容】
[0004]为了解决整个国家、社会的安全防范水平，达到威慑犯罪、惩治罪犯、维护社会稳定、保障国家安全的目的，本发明提供一种监控视频中行人重识别方法，可以较好地满足公安部门对安全的需求，包括步骤:
[0005]步骤(I)行人轮廓提取:分别提取地点A监控视频中出现的行人轮廓，及其他地点监控视频中的行人轮廓；
[0006]步骤(2)行人特征提取:基于人体对称性，把行人的轮廓分为头部、左躯干、右躯干、左腿和右腿五个感兴趣区域，并分别提取每个感兴趣区域的特征，选用特征为:颜色、纹理、形状。
[0007]步骤(3)行人重识别:行人重识别是指:从地点B的监控视频中找出地点A监控视频中出现的某些行人。假设地点A待识别行人有c个，每个行人Pζ有多帧图像，ξ为c个行人中的一个，I ( c，每个人的每一帧作为一个样本，Xi是该样本的特征向量，i为其中一个样本，且该行人对应的标签为yζ。同时，也得到地点B重识别候选行人的样本特征χ, i。构建基于结构化特征稀疏表示的线性回归模型学习的代价函数，建立行人重识别线性回归模型。将x，y，f 一起输入到模型中，即可得到相应的预测值，再通过自适应阈值最终得到人重识别的结果。
[0008]进一步的，所述步骤(2)中对行人特征提取具体为:[0009]I)把提取出来的行人轮廓通过人体对称性分成五个局部，分别为头部、左躯干、右躯干、左腿和右腿。头部分割公式:
【权利要求】
1.一种基于人体对称性与结构化特征稀疏表示的监控视频中行人重识别方法，包括步骤: 步骤(1)行人轮廓提取:分别提取地点A监控视频中出现的行人轮廓，及其他地点监控视频中的行人轮廓； 步骤(2)行人特征提取:基于人体对称性，把行人的轮廓分为头部、左躯干、右躯干、左腿和右腿五个感兴趣区域，并分别提取每个感兴趣区域的特征，选用特征为:颜色、纹理、形状； 步骤(3)行人重识别:行人重识别是指:从地点B的监控视频中找出地点A监控视频中出现的某些行人； 假设地点A待识别行人有e个，每个行人%有多帧图像，ξ为c个行人中的一个，? <c，每个人的每一帧作为一个样本，A是该样本的特征向量，I为其中一个样本，且该行人对应的标签为； 同时，也得到地点 B重识别候选行人的样本特征七；构建基于结构化特征稀疏表示的线性回归模型学习的代价函数，建立行人重识别线性回归模型一起输入到模型中，即可得到相应的预测值，再通过自适应阈值最终得到人重识别的结果。
2.如权利要求1所述的基于人体对称性与结构化特征稀疏表示的监控视频中行人重识别方法，其特征在于:所述步骤(1)中行人轮廓提取具体为: 把地点A和地点B的视频采用基于HOG+SVM的行人检测方法对每张图片中的行人进行检测，检测出来的行人用大小/X J的方框框起来； 对检测出来的行人区域利用高斯混合模型的方法提取每一帧图片的行人轮廓。
3.如权利要求1所述的基于人体对称性与结构化特征稀疏表示的监控视频中行人重识别方法，其特征在于:所述步骤(2)中对行人特征提取具体为: 把提取出来的行人轮廓通过人体对称性分成五个局部，分别为头部、左躯干、右躯干、左腿和右腿； 头部分割公式:=argmm(-￡^,5))，其中风化句=,上
?J O下体分割公式:￡% =_111111(1-00；5)) + 巩0；,5)，其中2,左右躯干分割:^a = arg^imC(,5,5)+*?(AJ);左右腿分割:岛￡2 = arS^lin σ(戍句+巩氛句.d 1W)是欧氏距尚是纵坐标，^是横坐标，^〔>.)是区域，<5 = //4 ； 采用颜色相关图特征匕提取行人的颜色信息、灰度共生矩阵特怔 <提取感兴趣区域的纹理和边界特征匕来获取图像的形状参数，其中r为对应感兴趣区域，这三种特征分别对行人的五个感兴趣区域进行特征提取； 每提取一个行人轮廓设定为一个独立样本是该样本的特征向量为其中一个样本，即~=[C1 C2 C3 C4 C5 t! t2 t3 t4 ts S1 S2 S3 S4 S3f ,所以总体样本的特征矩阵为
4.如权利要求1所述的基于人体对称性与结构化特征稀疏表示的监控视频中行人重识别方法，其特征在于:所述步骤(3)中行人重识别具体为:把所选取的行人做好相应的标签标记，即每一个样本对应一个标签，每个人有多个样本；标签矩阵定义为r
【文档编号】G06K9/00GK103984915SQ201410070931
【公开日】2014年8月13日 申请日期:2014年2月28日 优先权日:2014年2月28日
【发明者】章东平, 李艳洁, 陶玉婷, 徐娇 申请人:中国计量学院