[发明专利]一种基于时空约束的目标重识别方法

摘要

本发明公开了一种基于时空约束的目标重识别方法，首先，基于目标的视觉信息得到基于视觉信息概率的初步排序结果，然后基于一个在某个摄像头下出现的目标不可能同时在另外一个摄像头下出现，Hinge损失函数被用于构造滤波模型以缩小待查询范围，而跨摄像头时间概率模型则通过韦伯分布实现，跨摄像头时间初步概率由目标与查询目标集的时间间隔概率得以表示，于是，借由跨摄像头时间信息概率与视觉信息概率融合得到基于跨摄像头时间信息与视觉特征的中间排序结果。最后，基于同一目标在空间上相近的两个摄像头中出现的概率大于空间上离得远的摄像头对，目标重识别排序结果可以得到进一步优化。本发明大大提升目标重识别效果。

主权项

一种基于时空约束的目标重识别方法，用于识别出监控网络C＝{C₀,C₁,C₂…C_M}中某个摄像头下的某个特定目标，包括单摄像头下的目标重识别和多摄像头下的目标重识别；目标描述信息包括视觉特征信息、跨摄像头时间特征信息和摄像头间空间特征信息；其中跨摄像头时间特征信息亦即跨摄像头时间约束，摄像头间空间特征信息亦即摄像头间的位置关系，监控网络共含M+1个摄像头，C₀是目标摄像头，M是查询集摄像头总数，摄像头C_m下目标j的视觉特征信息用表示，n是视觉特征的维度，目标j进入摄像头C_m的时间信息用表示，表示视觉特征信息与跨摄像头时间特征信息的组合；其特征在于：跨摄像头时间约束和多摄像头位置相关；跨摄像头时间约束指同一目标不可能在两个摄像头下同时出现，且两个摄像头间的时间概率服从韦伯分布；多摄像头位置相关指的是同一目标在空间上相近的两个摄像头中出现的概率大于空间上离得远的摄像头对；所述多摄像头下的目标重识别过程包括以下步骤：步骤A1：基于目标视觉特征信息得到视觉特征信息概率模型；步骤A2：已知跨摄像头最小时间信息和查‑待查目标实际跨摄像头对时间信息，利用滤波模型以缩小待查询范围；步骤A3：通过跨摄像头最小时间信息和查‑待查目标实际跨摄像头对时间信息得到基于时间特征信息的概率模型；步骤A4：由跨摄像头时间特征信息概率与视觉特征信息概率得到基于跨摄像头时间特征信息与视觉特征信息的联合概率；步骤A5：由摄像头间位置关系优化联合概率，并基于此给出排序结果；所述单摄像头下的目标重识别是看作多摄像头下目标重识别的极限情况，时空约束无法利用，仅仅利用视觉特征信息来进行排序；其目标重识别包括以下步骤：步骤B1：基于目标视觉特征信息得到视觉特征信息概率模型，其具体实现过程与步骤A1相同；步骤B2：根据视觉特征信息概率大小给出排序结果。