本发明涉及智能视频监控领域中的图像处理和机器视觉技术,特别涉及一种适用于跨模态行人再辨识的随机置色数据增强方法。
背景技术:
1、全天候视频监控场景中,监控摄像头在光照正常条件下工作在可见光模态,而在光照不充足条件下工作在红外光模态,因此不可避免地出现跨模态行人再辨识问题。由于可见光和红外光不同的成像波段特性,造成两种模态下行人图像的风格差异极大。现虽有基于对抗生成学习的图像风格转化方法,但是由于对抗生成学习涉及多个复杂的子网络,计算量较大,并且伴随着模型坍塌的风险,训练难度较大,制约了跨模态行人再辨识算法的准确性,继而导致行人再辨识在智能视频监控系统中的实战能力有限。
技术实现思路
1、本发明的目的在于提出一种随机置色数据增强方法,用于提升跨模态行人再辨识算法性能,继而提高行人再辨识的实战能力。本发明先对可见光图像随机裁剪局部区域,进行随机灰度化变换,并将红外光图像随机裁剪局部区域进行随机彩色化变换;再用变换后的局部区域替换原先被裁剪区域的内容,从而在鉴别性特征学习之初,在图像层面上,以轻量计算代价缓解可见光和红外光图像风格差异,以利于后续的鉴别性特征学习。本发明的具体内容具体如下:
2、步骤1、对可见光图像随机裁剪局部区域进行随机灰度化增强
3、对可见光图像x随机裁剪得到局部区域x,并对局部区域x进行随机灰度化获得xgray,将xgray进行通道复制扩充后替换原始可见光图像中被裁剪区域,获得随机置色后增强的可见光图像xe。
4、所述随机裁剪得到的局部区域x,计算如公式(1)所示:
5、x=rc(x,φ), φ=[φy,φx,φh,φw], (1)
6、其中,rc表示随机裁剪操作,φ用于控制rc裁剪区域范围。φy表示裁剪区域左上角纵坐标,φx表示裁剪区域左上角横坐标,φh表示裁剪区域长度,φw表示裁剪区域宽度。
7、所述随机灰度化后的局部区域xgray,计算如公式(2)所示:
8、
9、其中,gray为随机灰度化操作,xr,xg,xb分别表示x的r,g和b通道取值,α1,α2,α3为随机数值,α1,α2,α3∈[-τ,τ],
10、所述随机置色后增强的可见光图像xe,计算如公式(3)所示:
11、
12、其中,i,j表示像素的纵坐标和横坐标。
13、步骤2、对红外光图像随机裁剪局部区域进行随机彩色化增强
14、对通道复制扩充后的红外光图像y随机裁剪得到局部区域y,对该局部区域y进行随机彩色化获得ycolor,将ycolor替换原始红外光图像中被裁剪区域,获得随机置色后增强的红外光图像ye;
15、所述随机裁剪得到的局部区域y,计算如公式(4)所示:
16、
17、其中,rc表示随机裁剪操作,用于控制rc裁剪区域范围。表示裁剪区域左上角纵坐标,表示裁剪区域左上角横坐标,表示裁剪区域长度,表示裁剪区域宽度。
18、所述随机彩色化后的局部区域ycolor,计算如公式(5)所示:
19、
20、其中,color为随机彩色化操作,yr,yg,yb分别表示y三个通道上的取值,β1,β2,β3为随机数值,
21、所述随机置色后增强的红外光图像ye,计算如公式(6)所示:
22、
23、其中,i,j表示像素的纵坐标和横坐标。
24、步骤3、获取随机置色后的可见光和红外光图像用于跨模态行人再辨识,即利用增强后的图像驱动深度网络学习图像特征,基于特征计算图像之间的距离,依据距离对注册集图像进行升序排序,选择排名靠前的注册集图像作为再辨识结果。
25、本发明具有如下技术优点:
26、本发明不是简单地对可见光图像的三个通道求均值,而是对可见光图像和红外光图像进行随机置色,以实现数据增强,从而更好地进行跨模态行人再辨识模型的训练。本发明对可见光图像进行随机裁剪、随机灰度化,充分利用了三通道的值,而不局限于单通道;同时对红外光图像进行通道复制扩充并随机裁剪、随机彩色化,能够缓解两种模态图像风格差异,实现了可见光图像和红外光图像两种模态的数据增强。本发明的数据增强,并不是对可见光图像和红外光图像进行融合,而是充分考虑图像局部特性,通过对可见光图像随机裁剪、随机灰度化,使其具有部分灰度特性;对红外光图像进行通道复制扩充后随机裁剪、随机彩色化,使其具有部分彩色特性,以利于后续行人再辨识的鉴别性特征学习。
1.一种适用于跨模态行人再辨识的随机置色数据增强方法,其特征在于包括如下步骤:
2.根据权利要求1所述的一种适用于跨模态行人再辨识的随机置色数据增强方法,其特征在于,所述随机裁剪得到的局部区域x,计算如公式(1)所示:
3.根据权利要求2所述的一种适用于跨模态行人再辨识的随机置色数据增强方法,其特征在于,所述随机灰度化后的局部区域xgray,计算如公式(2)所示:
4.根据权利要求3所述的一种适用于跨模态行人再辨识的随机置色数据增强方法,其特征在于,所述随机置色后增强的可见光图像xe,计算如公式(3)所示:
5.根据权利要求1所述的一种适用于跨模态行人再辨识的随机置色数据增强方法,其特征在于,所述随机裁剪得到的局部区域y,计算如公式(4)所示:
6.根据权利要求5所述的一种适用于跨模态行人再辨识的随机置色数据增强方法,其特征在于,所述随机彩色化后的局部区域ycolor,计算如公式(5)所示:
7.根据权利要求6所述的一种适用于跨模态行人再辨识的随机置色数据增强方法,其特征在于,所述随机置色后增强的红外光图像ye,计算如公式(6)所示: