[发明专利]一种基于有限混合模型的行人再识别方法

权利要求书

1.一种基于有限混合模型的行人再识别方法，其特征在于，包括以下步骤：

(1)对监控视频进行预处理，以构建行人图像库，并提取需再识别行人的图像和行人图像库的多维特征向量；

(2)利用步骤(1)中得到的多维特征向量并使用期望最大化算法计算行人图像库中所有图像的有限混合模型参数和需再识别行人的图像的有限混合模型参数；

(3)采用李群运土工距离分别获得需再识别行人的有限混合模型与行人图像库中所有图像的有限混合模型之间的距离，并对距离按照从小到大的顺序排序后返回排名前列的多个结果所对应的行人数据库中的多幅图像；

其中，步骤(1)包括以下子步骤：

(1.1)对监控视频进行行人检测，提取所有行人的最小矩形框图像，并根据提取的最小矩形框图像构建行人图像库；

(1.2)将需再识别行人的图像与行人图像库中所有图像按照统一的图像长度和宽度进行缩放，并将行人图像库中的所有图像进行颜色直方图均衡化处理，其中以图像左上方的顶点作为坐标原点，像素点的坐标为(x,y)；

(1.3)提取步骤(1.2)处理后的需再识别行人的图像与处理后的行人图像库中所有图像的每个像素点(x,y)处的多维特征向量z(x,y)。

2.根据权利要求1所述的行人再识别方法，其特征在于，进一步包括：在步骤(1)之后，利用主成分分析法对提取的多维特征向量进行维数削减。

3.根据权利要求1所述的行人再识别方法，其特征在于，步骤(1.3)具体为，提取像素点(x,y)处多维特征向量其中R、G、B分别为像素点(x,y)处的颜色信息，I_x与I_y分别为图像经过(-1,0,1)^T、(-1,0,1)滤波后在像素点(x,y)处的一阶梯度值，I_xx与I_yy则分别为图像经过(-1,2,1)^T、(-1,2,1)滤波后像素在像素点(x,y)处的二阶梯度值，(·)^T表示对矩阵进行转置操作。

4.根据权利要求3所述的行人再识别方法，其特征在于，步骤(2)包括以下子步骤：

(2.1)采用有限混合模型对需再识别行人的图像及行人图像库中的每幅图像的多维特征向量z(x,y)进行建模，以生成有限混合模型中的模型参数T和S；具体而言，有限混合模型的基函数采用高斯函数，基函数的个数根据经验设置一个值N，使用EM算法获取有限混合模型中需再识别行人的图像的模型参数T＝{(w_1,T,μ_1,T,∑_1,T),(w_2,T,μ_2,T,∑_2,T),...(w_K,T,μ_K,T,∑_K,T)}，以及有限混合模型中行人图像库中图像的模型参数S＝{(w_1,S,μ_1,S,∑_1,S),(w_2,S,μ_2,S,∑_2,S),...(w_J,S,μ_J,S,∑_J,S)}，其中K和J分别为有限混合模型中需再识别行人的图像、行人图像库中的图像经过EM算法迭代融合后的基函数个数，且1≤K≤N，1≤J≤N；这里(w_k,T,μ_k,T,∑_k,T)分别表示需再识别行人图像的有限混合模型中高斯基函数的权值、均值向量和协方差矩阵，(w_j,S,μ_j,S,∑_j,S)分别表示行人图像库图像的有限混合模型中高斯基函数的权值、均值向量和协方差矩阵，且

(2.2)将需再识别行人的图像与行人图像库中的图像的有限混合模型中高斯基函数的协方差矩阵Σ_k,T、Σ_j,S进行乔列斯基分解分解，以得到下三角矩阵L_k,T、L_j,S：其中分解所得到的L_k,T、L_j,S是唯一的；

(2.3)根据得到的下三角矩阵L_k,T、L_j,S并通过多维标准正态分布生成仿射变换矩阵多个T_k,T、T_k,S形成有限混合模型的模型参数T＝{(w_1,T,T_1,T),(w_2,T,T_2,T),...(w_K,T,T_K,T)}、S＝{(w_1,S,S_1,S),(w_2,S,S_2,S),...(w_J,S,S_J,S)}。