[发明专利]基于全局特征和局部特征的跨镜头目标检索系统及方法

说明书

技术领域

本发明涉及一种基于全局特征和局部特征的跨镜头目标检索系统及方法，属于图像处理与模式识别技术领域。

背景技术

随着视频监控技术的发展，为实现从海量监控视频中检索目标的高效性，跨摄像头目标检索技术应运而生，该技术的显著特性是能够在很短的时间内从海量监控视频网络中检索查询目标，大大缩短查找原始视频的时间，提高效率和识别准确性。现有跨境头目标检索的方法主要有以下两种：

一种是从原始图像中提取出多种具有稳定性(在不同时刻特征一致)和区别性(同一时刻或不同时刻特征不一致)的特征，将多种特征进行串联拼接，构成目标图像的特征向量。该方法的问题是，必须保证目标裁剪精准以保证准确的特征提取，而现有技术尚无法实现图像的精准分割，为保证提取的特征具有稳定性和区别性，需要人工经验和反复试验，效率低，而且，由于摄像头型号、精度不同，现场拍摄条件复杂，无法保证从原始图像中提取出具有稳定性和区别性的特征。

第二种是利用度量学习的方法对图像的原始特征进行投影，使投影出的特征满足稳定性和区别性。该方法的问题是：需要采集大量不同摄像头对同一目标的原始图像作为样本，采集工作量大，摄像头种类及型号繁多，实现困难，且，需要匹配的两张目标图像拍摄于不同的摄像机，导致图片之间存在各种差异，导致不同摄像头训练得到的矩阵存在差异，仅使用一个度量矩阵不足以将两个不同模态中的特征投影到同一个空间中进行距离计算。

发明内容

鉴于上述原因，本发明的目的在于提供一种基于全局特征和局部特征的跨镜头目标检索系统及方法，能够提高跨镜头目标检索的识别准确度和识别性能。

为实现上述目的，本发明采用以下技术方案：

一种基于全局特征和局部特征的跨镜头目标检索系统，其建立方法为：

S10：从多个摄像头的监控视频中，获取包含活动目标的前景目标图像；

S11：从该包含活动目标的前景目标图像中提取具有多个特征维度的全局 特征，该全局特征包括颜色特征和纹理特征；

S13：将该前景目标图像的全局特征保存于数据库中。

所述步骤S11之后还包括：

S12：对所述前景目标图像的全局特征进行降维处理，生成前景目标图像的图像目标向量；

将该前景目标图像的图像目标向量保存于数据库中。

所述步骤S11中，提取全局特征的方法是：

S111：对所述包含活动目标的前景目标图像进行预处理，包括对该前景目标图像进行颜色增强处理，然后进行归一化处理，将归一化处理后的前景目标图像从上到下均匀分成N个水平条区域图像；

S112：从预处理后的前景目标图像中提取具有多个特征维度的颜色特征；

S113：从预处理后的前景目标图像中提取具有多个特征维度的纹理特征。

所述步骤S12中，利用主成分分析法，对所述前景目标图像的全局特征进行降维处理。

所述步骤S10中，利用混合高斯模型对监控场景进行建模，从监控视频的每一帧图像中提取出若干前景掩膜图像，将前景掩膜图像与其对应的原始帧图像相重叠，生成彩色前景掩膜图像，利用连通域提取方法从该彩色前景掩膜图像中确定掩膜图像的外接矩形框，彩色前景掩膜图像中由矩形框确定的区域为所述前景目标图像。

基于跨镜头目标检索系统实现目标检索的方法，包括步骤：

S20：提取查询图像的特征信息，该特征信息包括具有多个特征维度的颜色特征向量和具有多个特征维度的纹理特征向量；

S21：根据该查询图像的特征信息，计算该特征信息与系统中前景目标图像的图像目标向量的全局特征相似度，进行初次筛选，得到初次筛选通过的前景目标图像；

S22：从初次筛选通过的前景目标图像的图像目标向量、以及查询图像中，分别提取具有特征点的局部特征信息；

S23：根据所述局部特征信息，计算查询图像与前景目标图像的图像目标向量的局部特征相似度；

S24：加权该全局特征相似度和局部特征相似度，得到查询图像与前景目标图像的总相似度；

S25：对总相似度进行排序，从中确定查询结果图像。

所述步骤21中，计算全局特征相似度的方法是：

S211：定义任意两幅图像关于一种特征向量的相似度计算公式：

公式(4)中，定义两个n维特征向量x_i和x_j，cov(x_i，x_j)为二者的协方差，σ为方差向量，i、j为特征向量的序号。