[发明专利]基于视频图像中的人体图像再识别的方法

权利要求书

1.一种基于视频图像中的人体图像再识别的方法，其特征在于，包括：

检测出视频图像中的人体图像；

确定所述人体图像的特征向量，将确定的特征向量与预先采集的数据库中的多个基准向量进行匹配；

将所述数据库中匹配成功的人体图像作为识别结果。

2.根据权利要求1所述的方法，其特征在于，所述确定特征向量的过程包括：

将所述人体图像转换为HSV格式；

统计所述HSV格式的图像内的各种颜色的像素数量；

根据所述各种颜色的像素数量确定与该图像对应的一个特征向量。

3.根据权利要求2所述的方法，其特征在于，所述数据库中的基准向量由以下步骤确定：

预先采集视频图像中的每个人的多幅人体图像；

采用K-means聚类算法对所述多幅人体图像运算，得到每个人对应的一个特征向量作为基准向量。

4.根据权利要求3所述的方法，其特征在于，所述匹配过程包括：

运算所述确定的特征向量分别与所述数据库中每个人体图像对应的一个基准向量的距离；

对每个特征向量得到的多个距离排序，确定出两个最小的距离d1和d2；其中，d1<d2；

如果所述1.5d1＜d2，则确定该特征向量与用于运算所述d1的基准向量相匹配。

5.根据权利要求4所述的方法，其特征在于，

确定与每个所述特征向量距离最近的基准向量对应的人体图像，并统计对应每个人体图像的基准向量被匹配的次数的总和；

找出被确定的次数总和唯一、且最高的值的人体图像，作为所述匹配成功的人体图像。

6.根据权利要求5所述的方法，其特征在于，还包括：采用以下

欧式距离公式运算所述距离；

d=Σi=1N(xi-Xi)2;]]>

其中d为特征向量与基准向量的距离，x为图像的特征向量，X为训练得到的基准向量，i表示特征向量或基准向量的位数，N为特征向量或基准向量的维数。

7.根据权利要求6所述的方法，其特征在于，还包括：

如果没有匹配成功，则将所述检测出的人体图像的特征向量作为新的基准向量加入到所述数据库。

8.根据权利要求1所述的方法，其特征在于，还包括：

在当前帧图像和之前的视频图像中，采用最小的带颜色框体框住所述检测到的该人体图像。