[发明专利]基于颜色区域特征的行人重识别方法及系统

说明书

技术领域

本发明涉及的是一种数字图像处理技术领域的方法及系统，具体是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及系统。

背景技术

在智能视频处理日益发达的现代社会，摄像头已经遍布大街小巷，对于海量的视频数据，如何智能地进行视频分析为十分重要的课题。行人检测、目标跟踪等研究领域都取得了长足的发展，而作为衔接这两个课题的人物重识别技术也在最近十年取得了飞速的发展，涌现了一大批的行人外貌特征提取和表示方法。在视频监控中，往往有成千上万个摄像头，而这些摄像头彼此之间没有交叠，那么如何将两个互不交叠的摄像头中检测出的目标联系起来，实现跨摄像头的接力跟踪就是行人重识别要解决的问题。行人重识别在安防、居家养老等方面都有巨大的应用前景。但是由于不同的摄像头安放的位置、场景不同，导致不同摄像头下的人物图像存在不同程度的颜色变化和几何变化，再加上复杂的监控场景下，行人之间存在不同程度的遮挡，使得不同摄像头下的行人重识别问题变得更加棘手。行人重识别面临的主要问题是光照、视角、姿势、遮挡等的变化，为了解决上述问题，目前针对行人重识别的研究主要分为以下两类。一类是基于底层特征提取的行人外貌特征匹配方法，它的侧重点是提取出对不同摄像头间的光照、视角、姿势、遮挡等变化具有不变性的特征，以提高行人外貌的匹配准确率。另一类方法则是对简单的欧式空间的距离比较方法进行改进，设计能够反映不同摄像头间的光照、视角、姿势、遮挡等变化的度量方法，使得即使不是很有区分度的特征，也能达到很高的匹配率。第一类方法一般是非监督的，不需要进行数据的标定，但是特征提取的方法往往比第二类方法复杂，第二类方法一般是基于学习的方法，需要进行数据的标定，但是因为它能够有监督的学习到摄像头间的变换关系，因此行人重识别的准确率一般高于第一类方法，但是这种变换关系只是针对特定的摄像机间，对于每一对摄像机都要学习它们的变换关系，使得这类方法的泛化能力不够好。

通过大量的文献检索，我们发现现有的运用底层特征匹配进行行人重识别的方法，提取的特征主要包括颜色特征(如HSV直方图，MSCR)、纹理特征(如局部二值模式LBP，Garbor filters等)，形状特征(如HOG特征)以及关键点(SIFT，SURF等)，大部分的方法是将上述几种特征进行组合，以弥补单个特征区分度和代表性不足的缺点。但是它们大多数是基于像素点的特征(MSCR除外)，而基于像素点的特征不够鲁棒且很容易受到噪声影响。此外，由于以上特征提取方法在特征提取过程中没有考虑位置信息，所以研究者们设计了一些位置对准的策略，但是仍然很难解决由行人姿势变化带来的特征位置不对准情况。经过文献检索，我们还发现，颜色特征在多数情况下，是最好的行人外貌描述特征，目前已经有研究者开始关注利用颜色的分布特征来表征行人外貌，进行行人重识别。Igor Kviatkovsky等人在2013年的《IEEE Transactions on Pattern Analysis and Machine Intelligence》中的“Color Invariants for Person Reidentification”一文中，利用行人外貌颜色的多模态分布特性(multimodal distribution)，将行人的上下身颜色信息分布进行建模，再通过模型匹配进行人物重识别。这种方法虽然仅仅利用了颜色信息，却取得了很好的行人重识别效果。但是这种方法将上下身颜色的结构信息限制为椭圆形分布，而实际情况下，行人外貌的颜色分布显然不一定是上下身颜色信息简单地服从椭圆分布，因此这种方法还是没有能够充分利用颜色的局部分布信息。

中国专利文献号CN103810476A，公开(公告)日2014.05.21，公开了一种基于小群体信息关联的视频监控网络中行人重识别方法，该技术监控网络中多摄像头的行人重识别过程中，尤其是在行人特征的提取和匹配的过程中，行人的特征极易受到场景变化、光照变化的影响而造成重识别率的降低，同时大范围的监控网络中也会存在一些穿着相似的行人造成行人错误的重识别，为了提高行人的重识别率，降低外界因素对行人重识别的影响，该技术根据小群体信息的关联性，将行人小群体特征作为行人重识别的一个重要特征，主要解决视频监控网络中行人重识别准确率低、精度不高的问题。但该技术首先要对人体进行分割，并且利用了视频跟踪过程中的轨迹信息，其使用过程复杂度较高。