[发明专利]基于颜色区域特征的行人重识别方法及系统

权利要求书

1.一种基于在线聚类提取的颜色区域特征的行人重识别方法，其特征在于，以只包含单个行人的矩形图像或通过跟踪结果从原始视频图像中裁取出目标矩形框作为输入图像，经前景提取和在线聚类提取得到颜色区域，再将颜色区域的统计特征作为局部特征应用于人物重识别；

所述的在线聚类是指：以像素为单位遍历图像，计算图像中任一一点的通道值与初始聚类中心之间的距离，以满足其与最小值之差小于聚类阈值为条件，将满足条件的像素点作为该最小值的聚类，否则作为新建聚类，同时将初始聚类中心更新为该聚类的平均值；完成遍历后同一个聚类内的像素点可以视为属于同一个颜色区域，且区域的颜色值统一为聚类中心的颜色值；

当任两个颜色区域同时满足其之间的聚类中心颜色值的欧氏距离以及其聚类中心的平均位置的欧氏距离分别小于颜色阈值和平均位置阈值时，合并该两个颜色区域，且设置合并后区域内所有像素点的通道值的平均值为新的聚类中心。

2.根据权利要求1所述的方法，其特征是，所述方法具体包括以下步骤：

步骤1)利用前景提取算法进行目标行人图像的前景背景分离，得到前景区域；

步骤2)对提取的前景区域进行在线聚类，得到原始的颜色区域；

步骤3)考虑空间分布和颜色距离，将相关颜色区域进行合并，得到最终的局部颜色区域；

步骤4)对提取出的颜色区域进行描述，作为行人重识别的特征表达；

步骤5)利用步骤4中的特征进行行人重识别。

3.根据权利要求2所述的方法，其特征是，所述的步骤1)具体包括：

1.1)将数据集中所有的图像进行聚类；

1.2)再将每一幅图像的每一个像素点与聚类中心进行比较，将距离最近的距离中心号作为该像素的值；

1.3)将得到的输入矩阵带入scadlearn.m程序中，并对输出后验概率Qs进行二值化，得到前景蒙版；

1.4)将前景蒙版与原始图像逐像素相乘，可以提取出前景区域。

4.根据权利要求2所述的方法，其特征是，所述的步骤2)具体包括：

2.1)将图像左上角像素点的(a，b)通道值作为第一个聚类的聚类中心；

2.2)顺序扫描像素点，并将每一个像素点(a，b)通道值与现有的聚类中心进行欧式距离比较，并找出最小距离d；

2.3)若d≤threshold1，则将当前像素点归入距离为d的聚类，并且将此聚类的聚类中心更新为类内所有像素的通道值的平均值；

2.4)反之，若d＞threshold1，则初始化一个新的类，并将该聚类中心初始化为当前像素点的颜色值；

2.5)如此循环，直到计算到右下角的像素点，这样同一个聚类内的像素点可以视为属于同一个颜色区域，且区域的颜色值统一为聚类中心的颜色值。

5.根据权利要求2所述的方法，其特征是，所述的步骤3)具体包括：

3.1)将步骤2)得到的任两个颜色区域的聚类中心颜色值进行欧式距离比较，得到d_c；

3.2)将步骤2)得到的任两个颜色区域的聚类中心的平均位置进行欧氏距离比较，得到d_s；

3.3)若d_c＜threshold2且d_s＜threshold3则将两个颜色区域合并起来，并更新新的聚类中心为合并后的类内的所有像素的通道值的平均值；

3.4)将步骤2)中的所有颜色区域都两两进行比较后，将与同一个颜色区域合并的所有区域合并为一个区域，直到得到的所有的颜色区域都无法再进行合并。

6.根据权利要求2所述的方法，其特征是，所述的步骤4)具体是指：对于步骤3)提取出的所有颜色区域，每一个颜色区域描述为f＝(x，y，l，a，b，F)，其中：x，y是该颜色区域内所包含的所有像素点的平均坐标，，a，b是该颜色区域内所包含的所有像素点的平均颜色值，F为衡量颜色区域大小的参数：其中：num是该颜色区域所包含的像素点的个数，area是该颜色区域的外接矩形的面积，area＝(x_max-x_min)*(y_max-y_min)，其中：x_max，y_max和x_min，y_min分别是该颜色区域内所包含的所有像素点的x，y坐标的最大值和最小值。