鬼佬大哥大
  • / 11
  • 下載費用:30 金幣  

一種監控視頻中行人重識別方法.pdf

摘要
申請專利號:

CN201410070931.9

申請日:

2014.02.28

公開號:

CN103984915A

公開日:

2014.08.13

當前法律狀態:

授權

有效性:

有權

法律詳情: 授權|||實質審查的生效IPC(主分類):G06K 9/00申請日:20140228|||公開
IPC分類號: G06K9/00 主分類號: G06K9/00
申請人: 中國計量學院
發明人: 章東平; 李艷潔; 陶玉婷; 徐嬌
地址: 315470 浙江省寧波市余姚市泗門鎮光明路126號
優先權:
專利代理機構: 杭州浙科專利事務所(普通合伙) 33213 代理人: 吳秉中
PDF完整版下載: PDF下載
法律狀態
申請(專利)號:

CN201410070931.9

授權公告號:

||||||

法律狀態公告日:

2017.11.24|||2014.09.10|||2014.08.13

法律狀態類型:

授權|||實質審查的生效|||公開

摘要

本發明公開了一種基于人體對稱性與結構化特征稀疏表示的監控視頻中行人重識別方法。該方法利用待識別行人的多幀圖像作為訓練,先進行行人檢測和行人輪廓的提取,后根據人體對稱性把行人的輪廓分為頭部、左軀干、右軀干、左腿和右腿五個感興趣區域。通過選取適當的特征對這五個感興趣區域進行特征提取,并輸入線性模型中,可得到待重識別的結果。本發明貼切實際情況,可有效地解決視頻監控網絡中行人重識別準確率低的問題。

權利要求書

權利要求書
1.  一種基于人體對稱性與結構化特征稀疏表示的監控視頻中行人重識別方法,包括步驟:
步驟(1)行人輪廓提取:分別提取地點A監控視頻中出現的行人輪廓,及其他地點監控視頻中的行人輪廓;
步驟(2)行人特征提取:基于人體對稱性,把行人的輪廓分為頭部、左軀干、右軀干、左腿和右腿五個感興趣區域,并分別提取每個感興趣區域的特征,選用特征為:顏色、紋理、形狀;
步驟(3)行人重識別:行人重識別是指:從地點B的監控視頻中找出地點A監控視頻中出現的某些行人;
假設地點A待識別行人有                                                個,每個行人有多幀圖像,為個行人中的一個,,每個人的每一幀作為一個樣本,是該樣本的特征向量,為其中一個樣本,且該行人對應的標簽為;
同時,也得到地點B重識別候選行人的樣本特征;構建基于結構化特征稀疏表示的線性回歸模型學習的代價函數,建立行人重識別線性回歸模型;將一起輸入到模型中,即可得到相應的預測值,再通過自適應閾值最終得到人重識別的結果。

2.  如權利要求1所述的基于人體對稱性與結構化特征稀疏表示的監控視頻中行人重識別方法,其特征在于:所述步驟(1)中行人輪廓提取具體為:
把地點A和地點B的視頻采用基于HOG+SVM的行人檢測方法對每張圖片中的行人進行檢測,檢測出來的行人用大小的方框框起來;
對檢測出來的行人區域利用高斯混合模型的方法提取每一幀圖片的行人輪廓。

3.  如權利要求1所述的基于人體對稱性與結構化特征稀疏表示的監控視頻中行人重識別方法,其特征在于:所述步驟(2)中對行人特征提取具體為:
把提取出來的行人輪廓通過人體對稱性分成五個局部,分別為頭部、左軀干、右軀干、左腿和右腿;
頭部分割公式:,其中,上下體分割公式:,其中,左右軀干分割:;左右腿分割:;是歐氏距離,是縱坐標,是橫坐標,是區域,;
采用顏色相關圖特征提取行人的顏色信息、灰度共生矩陣特征提取感興趣區域的紋理和邊界特征來獲取圖像的形狀參數, 其中為對應感興趣區域,這三種特征分別對行人的五個感興趣區域進行特征提取;
每提取一個行人輪廓設定為一個獨立樣本,是該樣本的特征向量,為其中一個樣本,即,所以總體樣本的特征矩陣為,為特征向量的維數,為樣本總數。

4.  如權利要求1所述的基于人體對稱性與結構化特征稀疏表示的監控視頻中行人重識別方法,其特征在于:所述步驟(3)中行人重識別具體為:
把所選取的行人做好相應的標簽標記,即每一個樣本對應一個標簽,每個人有多個樣本;
標簽矩陣定義為,中包含了所有樣本的身份信息,是行人的人數,每個人會被收集到多個樣本,若是該人,則,否則為零;
構建線性回歸函數為,是訓練樣本,
是行人身份信息, 是投影矩陣; 定義為有n個全為1的列向量;
是偏置量,是為了特征選擇從到的映射矩陣;
模型的代價函數可定義為:,是一個邏輯損失函數,是正則化參數;
定義一個預測矩陣為:,此是待重識別行人的預測矩陣,滿足;
采用拉普拉斯特征映射的流形學習方法,損失函數最小化定義為:,定義了一個拉普拉斯矩陣為: ,其中是一個對角矩陣,定義式為:, 是權值函數,與和的關系是: 

為了提高重識別符合度,即在測試過程中,使預測的結果更匹配原始信息:優化項為:,定義了一個對角矩陣,其中若有標簽,則,若沒有標簽,則;
由于訓練數據量較大,所以,為有效的表示行人信息就要用較少的數據來捕獲感興趣目標,所采用稀疏表示來優化代價函數,的定義如下: ;
綜上所述,優化后的基于結構化特征稀疏表示的線性回歸模型學習的代價函數表達式為:,第個人預測值的均值為,是第j行人的幀數,是行人總數,最后一項是約束被測行人的幀圖像有相同的標簽;
代價函數表達式中所用參數有、、,其中參數和可從中通過實驗測試選取,可通過實驗測得最優解得到;
通過迭代法求解上述的最優化問題,得到矩陣、、b;
選擇自適應閾值,定義,對進行閾值處理,即得檢測圖像的標簽;
通過閾值后所得的標簽為:

其中,,為檢測的樣本數。

關 鍵 詞:
一種 監控 視頻 行人 識別 方法
  專利查詢網所有資源均是用戶自行上傳分享,僅供網友學習交流,未經上傳用戶書面授權,請勿作他用。
關于本文
本文標題:一種監控視頻中行人重識別方法.pdf
鏈接地址:http://www.wwszu.club/p-6140806.html
關于我們 - 網站聲明 - 網站地圖 - 資源地圖 - 友情鏈接 - 網站客服客服 - 聯系我們

[email protected] 2017-2018 zhuanlichaxun.net網站版權所有
經營許可證編號:粵ICP備17046363號-1 
 


收起
展開
鬼佬大哥大