[发明专利]一种基于有限混合模型的行人再识别方法

说明书

技术领域

本发明属于计算机视觉与模式识别领域，更具体地，涉及一种基于有限混合模型的行人再识别方法。

背景技术

行人再识别在视频监控网络中中是非常重要的问题，在监控网络中的行人会在不同的摄像头下出现。行人再识别的任务是在监控网络中行人的身份的鉴定，将曾经在监控网络中出现过的目标行人在其他摄像机的场景内时再次识别出来的技术，即在给定一些候选目标的情况下如何将行人进行再识别。

现有的行人再识别方法中主要分为以下几步：从原始视频数据中提取更为可靠、鲁棒和精确的特征数据；通过提取的特征数据来建立描述子能够有效描述不同个体；将需再识别图像与监控网络中的行人进行距离度量并返回再识别行人的候选行人图像。

但现有的行人再识别方法也存在着一些相应的问题：(1)提取的特征不能够建立一个鲁棒性的描述子对行人图像的整体信息进行描述；(2)不同个体的描述子是处在黎曼流形上，简单得采用一些欧式空间度量距离的方法往往带来很大的偏差。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于有限混合模型的行人再识别方法，其目的在于，在提取的特征上建立更为鲁棒性的描述子对行人图像进行描述，并对不同行人图像的描述子建立度量模型以更准确得返回再识别行人的候选行人图像。

为实现上述目的，按照本发明的一个方面，提供了一种基于有限混合模型的行人再识别方法，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。

优选地，本方法进一步包括：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。

优选地，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)。

优选地，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。

优选地，步骤(2)包括以下子步骤：