一种多摄像机监控网络中目标再识别的方法

摘要

本发明公开了一种多摄像机监控网络中目标再识别的方法，包括步骤为：选取摄像机i、j间N对目标的图像序列，记为测试图像序列和参考图像序列；求取摄像机i和摄像机j间亮度转移函数；采用亮度转移函数将待识别测试图像颜色校正至与参考图像序列同一级别；分别提取待识别测试图像和参考图像序列中每幅图像ColorSIFT特征并进行特征搜索匹配，再根据KNN准则得到显著度图；根据显著图和ColorSIFT特征进行双向相似度计算，将最大相似度所对应的参考图像作为待识别测试图像的匹配目标，则将目标识别出来。本发明的多摄像机监控网络中目标再识别的方法，解决了现有技术中存在的由于未充分利用图像数据集内各个图像的关联关系使得目标识别率低的问题。

主权项

一种多摄像机监控网络中目标再识别的方法，其特征在于，具体按照以下步骤实施：步骤1，选取多摄像机监控网络中一对摄像机i、j间N对目标的图像序列，分别记为测试图像序列和参考图像序列，N>0；步骤2，求取摄像机i和摄像机j之间N对目标的BTF曲线，并计算N对BTF曲线的均值，即得到摄像机i和摄像机j之间的亮度转移函数；步骤3，采用步骤2中得到的亮度转移函数将待识别测试图像的颜色校正至与参考图像序列颜色为同一级别；步骤4，分别提取待识别测试图像和参考图像序列中每一幅图像的ColorSIFT特征；步骤5，将步骤4中待识别测试图像中提取到的包含有ColorSIFT特征的图像块和参考图像序列中每一幅图像逐一进行特征搜索匹配，计算待识别测试图像中包含有ColorSIFT特征的图像块和参考图像序列中每一幅图像中相同位置上下间距为l的范围内的图像块之间的相似度，待识别测试图像中每一个图像块均得到N个最优匹配结果，根据KNN准则对N个最优匹配结果排列计算得到待识别测试图像中图像块的显著程度，结合所有图像块的显著程度得到待识别测试图像的注意力显著图；步骤6，根据步骤5中得到的注意力显著图和步骤4中提取的ColorSIFT特征对待识别测试图像与参考图像序列中每一幅图像逐一进行双向的相似度计算，将得到的最大相似度所对应的参考图像作为待识别测试图像的匹配目标，则将摄像机i中待识别测试图像中的目标在摄像机j中识别出来。