一种适用于安防的监控系统行人再识别方法与流程

本发明涉及行人再识别监控领域，尤其是指一种适用于安防的监控系统行人再识别方法。

背景技术：

视频监控系统很大的一个功能是用于安防领域，尤其是在治安事件发生或人员失踪的情况下，需要对视频图像里面的特定人员进行识别。目前绝大部分都是依靠安保或警察人眼来观看视频，但是随着视频监控系统的普及，往往有大量的视频数据，如果单纯依靠人眼来辨别，不仅识别效率低，而且人员劳动强度大，容易产生疲劳和漏检的情况。

针对此问题，本发明在行人检测技术的基础上，分析某个特定的人是否在监控视频中出现过，利用已经存在的人体目标图像库，当场景或者时间变化的时候，首先检测出监控视频中的行人，搜索样本库，将检测到的行人与目标图像库进行匹配，再次识别和确认当前查找的行人的身份。这种智能视频监控系统中行人再识别技术在视频安防领域有极大的应用空间和前景。

技术实现要素：

本发明的目的在于克服现有技术的缺点和不足，提供一种行之有效、科学合理的适用于安防的监控系统行人再识别方法。

为实现上述目的，本发明所提供的技术方案为：一种适用于安防的监控系统行人再识别方法，首先，在需要监控的地方安装摄像头，并与监控主机进行网络连接；然后构建样本库，该样本库包括行人样本ID、行人样本出现的时间、样本特征向量、摄像头位置及一张行人样本图片；接着，对目标人员的图片进行预处理，并提取特征向量；将目标人员的特征向量与样本库中所有样本特征向量进行比对，计算相似性度量；最后，列出多个相似度最高的样本，并从样本库中的出现信息显示出来，以此确认当前查找的目标人员曾经是否出现、何时出现在何处；其中，所述出现信息是指样本库中该样本ID出现过的所有时间、摄像头位置和一张图片。

所述样本库构建过程如下为：首先，各摄像头拍摄的行人图片实时传输到监控主机进行实时识别和图片预处理，计算出行人样本特征值，该行人样本特征值是通过将输入的行人图像预处理后转换为HSV格式，统计所述格式的图像内的各种颜色的像素数量获得的；其次，将行人样本特征值与样本库中所有已有样本的特征值向量进行比对，若在样本库中某个样本与此行人图片判定为同一人，则只需增加此样本ID的拍摄的时间、摄像头位置及一张图片；若未在样本库中找到一个样本与此行人判定为同一人，则需要进行新的ID编码，同时记录时间、摄像头位置及一张图片。

对目标人员的图片进行预处理包括以下内容：

1)采用领域平均法来减少噪声；

2)采用Hough变换检测出行人是否倾斜，然后对图像进行水平校正；

3)采用基于HSV色彩空间的去阴影法和基于LBP算子的去阴影方相结合的方法，去除运动目标的阴影；

4)采用平均值法对图像进行灰度化处理；

5)采用直方图修正法使图像具有期望的灰度分布。

本发明与现有技术相比，具有如下优点与有益效果：

1、本发明可为安保人员搜寻目标人员提供帮助，通过将目标人员与样本库进行比对，可快速将最接近的多个样本信息呈现出来，协助安保人员进一步分析判断目标人员是否曾经进出目标地，从而极大提高效率。

2、本发明可代替人工观看监控视频，降低劳动强度，提高检索效率，提高安保系统应用价值，具有较好的可行性和很大实际推广价值。

附图说明

图1为本发明的步骤框架图。

图2为本发明的图片预处理流程图。

具体实施方式

下面结合具体实施例对本发明做进一步的说明。

如图1所示，本实施例所述的监控系统行人再识别方法，其具体情况如下：

首先，在各大楼出入口或楼梯等关键节点安装摄像头，并与监控主机进行网络连接进行调试。然后开始构建样本库，该样本库包括行人样本ID、行人样本出现的时间、样本特征向量、摄像头位置及一张行人样本图片，所述样本库构建过程如下为：各摄像头拍摄的行人图片实时传输到监控主机进行实时识别和图片预处理，计算出行人样本特征值，该行人样本特征值是通过将输入的行人图像预处理后转换为HSV格式，统计所述格式的图像内的各种颜色的像素数量获得的；其次，将行人样本特征值与样本库中所有已有样本的特征值向量进行比对，若在样本库中某个样本与此行人图片判定为同一人，则只需增加此样本ID的拍摄的时间、摄像头位置及一张图片；若未在样本库中找到一个样本与此行人判定为同一人，则需要进行新的ID编码，同时记录时间、摄像头位置及一张图片。

在进行某目标人员再识别时，首先对目标人员的图片进行预处理，提取特征向量；然后将目标人员的特征向量与样本库中所有样本特征向量进行比对，计算相似性度量；最后，列出5个相似度最高的样本，并从样本库中的时间、摄像头位置及一张图片等信息显示出来，以协助安保人员快速确认目标人员是否出现在大楼，大量减少安保人员观看视频的时间和精力。

如图2所示，对目标人员的图片进行预处理包括以下内容：

1)采用领域平均法来减少噪声；

2)采用Hough变换检测出行人是否倾斜，然后对图像进行水平校正；

3)采用基于HSV色彩空间的去阴影法和基于LBP算子的去阴影方相结合的方法，去除运动目标的阴影；

4)采用平均值法对图像进行灰度化处理；

5)采用直方图修正法使图像具有期望的灰度分布。

以上所述实施例只为本发明之较佳实施例，并非以此限制本发明的实施范围，故凡依本发明之形状、原理所作的变化，均应涵盖在本发明的保护范围内。