于1 和-1之间的值，其中，1表示变量完全正相关，0表示无关，-1表示完全负相关。
[0101] 步骤S43、采用加权组合的方式对相似性度量结果爲:(i，/)和基(1,J)进行融 合，得到前景图像I和丨|中的目标之间的相似度结果￡(：/乂）：
[0103] 在上述公式中，λ为权值，优选地，λ= 0.6。如果其中α为给定阈 值，优选地，λ= 〇. 6,则I和|中的目标为同一目标，否则，不是同一目标，从而完成目标再 识别。
[0104] 本发明实施例的实时性好，对一个已经被识别的目标，在光照条件、目标位姿、场 景等发生变化以及被遮挡后重新出现时，仍能将其识别，为多目标跟踪、视频监控等领域的 应用提供了技术保障。
[0105] 需要说明的是，在本发明实施例中，将各个步骤按照上述先后次序的方式进行了 描述，但本领域技术人员可以理解，为了实现本实施例的效果，不同的步骤之间不必按照这 样的次序执行，其可以同时执行或执行次序颠倒，这些简单的变化都在本发明的保护范围 之内。
[0106] 专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的 单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬 件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。 这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。 专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现 不应认为超出本发明的范围。
[0107] 结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的 软件模块，或者二者的结合来实施。软件模块可以置于随机存储器（RAM)、内存、只读存储器 (ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域 内所公知的任意其它形式的存储介质中。
[0108] 以上所述的【具体实施方式】，对本发明的目的、技术方案和有益效果进行了进一步 详细说明，所应理解的是，以上所述仅为本发明的【具体实施方式】而已，并不用于限定本发明 的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含 在本发明的保护范围之内。
【主权项】
1. 一种基于局部特征融合的目标再识别方法，其特征在于，所述方法包括： 步骤S1、获取待处理图像的前景图像； 步骤S2、利用颜色分割算子和形体分割算子对所述前景图像中的目标进行区域分割； 步骤S3、根据加权的HSV颜色直方图提取关键区域的颜色特征，根据形体信息描述子 提取所述关键区域的形体特征，其中，所述关键区域属于所述利用颜色分割算子和形体分 割算子对目标进行区域分割后得到的Ντ个区域，所述NT取整数，所述关键区域数目小于等 于Ντ; 步骤S4、根据所述颜色特征和所述形体特征的相似性度量，对所述目标进行再识别。2. 如权利要求1所述的基于局部特征融合的目标再识别方法，其特征在于，所述步骤 S1具体包括： 获取所述待处理图像的背景图像； 将所述待处理图像与所述背景图像进行差分，再通过OTSU算法进行二值化，从而获得 所述待处理图像的前景图像。3. 如权利要求1所述的基于局部特征融合的目标再识别方法，其特征在于，所述步骤 S2具体包括： 步骤S21、通过所述颜色分割算子，求取各个相邻区域间的颜色分割线集合C， 其中，所述颜色分割算子计算如下：其中， 所述I是前景图像；所述Pi,.，V和所述Ρι,.，+ν分别代表全局坐标为（i，j-v)和（i，j+v) 的所述前景图像中的像素点；所述d(Pi,,y，Pi,,J表示所述像素点Pi,,y和所述像素点p,+y 在RGB空间中的欧氏距离；所述X代表累加的总次数，所述τ为固定值，其决定了计算颜 色分割算子所用到的图像范围；所述C(j，τ)表征W第j行为分界线、上下各τ行区域间 颜色特征的差异情况； 所述集合C的第q个元素Cq所对应的行数计算如下：步骤S22、通过所述形体分割算子，求取形体分割线集合b; 其中所述形体分割算子计算如下：其中， 所述L，y和所述L分别表示前景图像中第（j-v)行和第（j+v)行的长度；所述ε为 固定值，其决定了计算形体分割算子所用到的图像范围；所述Β(j，ε)表征了W第j行为分 界线，上下各ε行区域间形体特征的差异情况； 所述集合b的第q个元素bq所对应的行数^计算如下：步骤S23、根据所述颜色分割线集合C和所述形体分割线集合b得到分割线集合f，其 中所述集合f的第q个元素fq所对应的行数?计算如下：4.如权利要求3所述的基于局部特征融合的目标再识别方法，其特征在于，所述根据 加权的服V颜色直方图提取关键区域的颜色特征具体包括： 步骤S31、根据所述集合f的第k和k+1个元素，获取第k个区域所对应的前景图像Ik， 其中k= 1，…，Ντ; 步骤S32、记浙i表示所述第k个区域所对应的前景图像Ik的加权的服V颜 色直方图，第8(h-l)+s个元素用表示为：其中，所述QiM戈表像素P，的权重，服从W所述第k个区 域的重屯、Gk的像素坐标为期望值的二维正态分布，所述η1为所述Qi,，的归一化常数；将色 调在[0, 360)内均匀量化12级，形成12个区间；将饱和度按照[0, 0. 075)，[0. 075, 0. 15) ，[0. 15, 0. 275)，[0. 275, 0. 4)，[0. 4, 0. 575)，[0. 575, 0. 75)，[0. 75, 0. 875)，[0. 875, 1. 0]非 均匀量化为8个区间，并分别与S= 1，S= 2,…，S= 8相对应；如果所述像素Pi, ,的色调 在第h个区间内，且饱和度在第S个区间内，则所述取值1，否则所述《/γ取值0 ; 所述根据形体信息描述子提取关键区域的形体特征具体包括： 步骤S33、计算所述Ik左右边界的切线Lk、Rk; 步骤S34、依据所述第k个区域的重屯、Gk的像素坐标，将所述Ik划分为四个子区域Mm(m=1,2,3,4)； 步骤S35、对所述四个子区域分别WLk、Rk和fk、fw的交点为基准点，来统计各子区 域的形体信息，记yk表示所述前景图像Ik的第k个区域的形体信息描述子，其中各元素表示如下：其中，所述A是各子区域形体信息的向量维数，所述是子区域Mm内的 像素点，所述（ξ，ζ)是该像素点相对于其所在的子区域的基准点的坐标；所述;所述τγζ代表所述像素点p^ζ的权重，服从W所述 子区域Mm的重屯、的像素坐标为期望值的二维正态分布；所述η2为所述T 的归一化 常数。5.如权利要求4所述的基于局部特征融合的目标再识别方法，其特征在于，所述步骤S4具体包括： 步骤S41、使用直方图的相交法，对待处理的前景图像I和/的颜色特征进行相似性度 量，其中所述前景图像I和1的颜色特征的相似度￡.(/，/")计算如下：其中，所述ω,代表所述第k个区域在颜色直方图测度中的权重；所述和所 分别是前景图像I和I的第k个区域的加权的服V颜色直方图的第 8〇i-l)+s个元素； 步骤S42、使用皮尔逊相关系数，对所述前景图像I和I的形体特征进行相似性度量，其 中所述前景图像I和I的形体特征的相似度￡'、.（/，/：)计算如下：其中，所述％代表所述第k个区域在形体信息测度中的权重，所述y代表yk和ft的皮尔逊相关系数，所述ρΑ是所述前景图像j的第k个区域的形体信息描述子； 步骤S43、采用加权组合的方式对所述相似性度量结果怎'^.(；/，^和￡、.（/，/)进行融 合，得到所述前景图像I和f中的目标之间的相似度结果￡(/，/);其中，所述λ为权值；如果任(/./^>α，其中所述α为给定阔值，则所述前景图像I和I中的目标为同一目标，否则，不是同一目标。
【专利摘要】本发明实施例公开了一种基于局部特征融合的目标再识别方法，该方法包括：步骤S1、获取待处理图像的前景图像；步骤S2、利用颜色分割算子和形体分割算子对所述前景图像中的目标进行区域分割；步骤S3、根据加权的HSV颜色直方图提取关键区域的颜色特征，根据形体信息描述子提取所述关键区域的形体特征；步骤S4、根据所述颜色特征和所述形体特征的相似性度量，对所述目标进行再识别。通过本发明，至少解决了如何使得一个已经被识别的目标，在光照条件、目标位姿、场景等发生变化以及被遮挡后重新出现时，仍能对其进行识别的技术问题；具有识别实时性好，为多目标跟踪、视频监控等领域的应用提供技术保障的优点。
【IPC分类】G06T7/40, G06T7/00
【公开号】CN105243667
【申请号】CN201510657838
【发明人】曹志强, 袁文博, 王天柱, 周超, 谭民
【申请人】中国科学院自动化研究所
【公开日】2016年1月13日
【申请日】2015年10月13日