[发明专利]一种多摄像机间人体目标再识别的方法及系统

权利要求书

1.一种多摄像机间人体目标再识别的方法，其特征在于，所述方法包括以下步骤：

步骤A，将已知人体图像序列与图库中的待识别的个体图像序列分成若干组，根据原型相似度特征计算各组的个体相似度差异特征；

步骤B，根据各组的个体相似度差异特征及其对应的标签来进行分类器训练；

步骤C，计算分类器的输出权值平均值，根据所述输出权值平均值确定最匹配人体。

2.如权利要求1所述的方法，其特征在于，所述步骤A包括以下步骤：

步骤A1，将已知人体图像序列与图库中待识别的个体图像序列分为若干组；

步骤A2，计算组内每幅图像中人体的原型相似度特征；

步骤A3，分别计算查询个体各组内每幅已知人体图像的原型相似度特征一一与待识别图库中具有相同组编号的组内所有人体图像的原型相似度特征的相似度；

步骤A4，以每一组内所有的相似度作为一个新的描述子，即个体相似度差异特征；

以n,m分别表示样本图像序列和待识别图像序列的大小，F_iⁿ表示第i个人的第n幅图像的原型相似度特征,以f_isdf表示个体相似度差异特征，以表示特征F_iⁿ与经过显著性差异距离d(·,·)计算后得到的相似度值，则：

3.如权利要求2所述的方法，其特征在于，所述步骤A1具体包括：

采用系统抽样的方式将已知人体图像序列与图库中的待识别的个体图像序列分配到各个组内；以seq表示某个体图像序列，则：

seq＝{sp₁,sp₂,...,sp_N}；

其中：若id％gn＝s，则sp_id∈Group_(s+1)，s.t.1≤id≤N,1≤s≤gn，N为个体图像序列里样本总数，id为样本编号，s为分组编号，∈表示属于关系，％表示取余操作，gn为总分组数，其中gn＝N/s_c，s_c表示组内样本个数，s.t.表示约束条件。

4.如权利要求2所述的方法，其特征在于，所述步骤A2具体包括：

步骤A21，将每一图像序列中的人体按照1:3:4的分割比例分成三部件；

步骤A22，构建各部件的部件特征集和对应的原型集；

假如图库中有T个样本，即G＝{Γ₁,...,Γ_T}，每个样本按照分割比例分割成三部件，即Γ_i＝{Γ_i,head,Γ_i,body,Γ_i,leg}，以n1种特征向量描述每个部件，即：

其中，p∈{head,body,leg}，1≤k≤n1，图库中所有样本的部件p的第k种特征融合在一起形成部件p的第k种特征集即：其中，U表示包含关系；

接着，利用k-means算法将部件p的部件特征集聚类得到c个簇1≤j≤c，同时形成该部件的一个原型集即：

其中，每个簇作为该部件在该特征下的一个原型；

步骤A23，根据所述部件特征集和所述原型集计算所述原型相似度特征；

以表示样本部件p的第k种特征与其对应的原型集之间的相似度，d( · , ·) 表示为显著性差异距离，则：

以F_p表示部件p的部件原型相似度特征，则：

以F表示人体原型相似度特征，则：

F＝{F_head,F_body,F_leg}。

5.如权利要求3所述的方法，其特征在于，所述分类器为adaboost分类器，在步骤B中，以相同人样本计算所得到的个体相似度差异特征作为正样本，而不同人样本计算所得到的个体相似度差异特征作为负样本来训练所述adaboost分类器。