一种行人重识别方法

摘要

本发明公开了一种行人重识别方法，包括行人特征提取和特征的度量；行人特征提取主要采用滑动窗口提取图像颜色直方图，对主颜色进行扩展，再在每一行滑窗中统计每一颜色模式出现的次数，选取较大的几次之和作为该颜色的特征输出，滑窗遍历整幅图像，归一化后形成特征。为了匹配更加普适化，提取搜索源从全身到半身的特征。在度量计算时，用带搜索图像特征向量不为0的特征维度与待搜索目标特征做欧氏距离，进一步减小了复杂场景下背景因素的干扰；将本发明提供的行人重识别方法应用于复杂场景下行人的重识别，对于场景变化的可移植性强，算法稳定、速度快，能有效解决监控视频和待搜索数据库质量不高的问题，实用性强。

主权项

一种行人重识别方法，其特征在于，包括如下步骤：(1)将包含搜索源的所有图像归一化到统一的像素大小，并对归一化之和的图像进行色域转换和色度合并处理；(2)将图像按照像素分成m行，以固定大小的滑动窗口在步骤(1)获得的图像上沿行的方向逐行滑动，遍历整张图像，获取各滑动窗口对应的颜色直方图；m为正整数；(3)对于同一行的颜色直方图，按照某一颜色模式在该行各颜色直方图中出现的次数从多到少排序，并将排在前N位的颜色直方图相加作为所述颜色模式在颜色直方图中的值，获得这一行对应的512维的直方图；其中，N为不小于2的正整数；(4)按照步骤(3)获取所有的行对应的直方图，并将获得的所有直方图按照各行在图像中所处的顺序依次排列，获得512*m维向量；对该向量进行归一化处理，使之模长为1；将归一化之后的向量作为搜索源的特征向量；(5)获取gallery图像与probe图像的特征度量距离$d_i=\sqrt{\underset{i=0}{\overset{n}{\Sigma }}f\left(x_i\right){(x_i-y_i)}^2};$其中，x_i是指probe图像特征向量的第i维特征，y_i是指gallery待搜索图像中的第i维特征，n为特征的维度；(6)将所述特征度量距离d_i作为判断相似度的标准，度量距离越小，相似度越高；将待搜索图像按照相似度大小降序排列，获得行人重识别结果。