一种基于区域稀疏积分通道的行人特征提取和表示方法

摘要

本发明提供一种基于区域稀疏积分通道的行人特征表示方法，首先利用均匀随机采样的区域和子区域的空间布局信息，其次提取继承了多种异构源信息的各子区域内的特征通道值，再将子区域特征融合成区域特征，最后级联所有区域特征即为行人描述子。本发明提出的行人特征提取和表示方法，从而在统一框架下解决行人特征提取和表示面临的两难选择问题。既有空间布局信息，又包含多种异构源信息。本发明利用了区域和子区域的细粒度空间布局信息，又自然地集成了子区域内的多种异构源信息，兼顾到描述性和灵活性。

主权项

一种基于区域稀疏积分通道的行人特征提取和表示方法，其特征在于，包括以下步骤：步骤1)滑动窗口遍历待测图像产生候选区域，在每个候选区域中选取N个子区域，各子区域之间的相对重叠面积不超过预设比例T；步骤2)计算候选区域中子区域的积分通道特征：2‑1)将候选区域图像转换到LUV色彩空间；2‑2)计算候选区域的子区域的各通道内各像素对应的通道值，所述通道包括梯度幅值通道和方向梯度通道：输入子区域图像，和分别是子区域图像I(x,y)的水平和垂直方向的梯度，则图像内任意像素(i,j)处的梯度幅值M(i,j)和方向梯度值O(i,j)：$M(i,j)=\sqrt{\frac{\partial I}{\partial x}{(i,j)}^2+\frac{\partial I}{\partial y}{(i,j)}^2},O(i,j)=\arctan (\frac{\partial I}{\partial y}(i,j)/\frac{\partial I}{\partial x}(i,j))$步骤3)对每一个通道内的所有通道求和得到一阶特征，再将所有通道的一阶特征级联得到一个高维特征矢量x₀＝(x₁,...,x_m)^T作为子区域积分通道特征；步骤4)计算子区域的稀疏积分通道特征：将子区域积分通道特征左乘一个稀疏随机度量矩阵A进行降维得到稀疏积分通道特征x，x＝Ax₀；稀疏随机度量矩阵A中各元素a_i,j通过以下方式生成：。其中，m是区域积分通道特征的维数；步骤5)将区域中全部子区域的稀疏积分通道特征进行融合得到区域稀疏积分通道特征；步骤6)将所有区域稀疏积分通道特征按照从左到右、从上到下的顺序级联得行人描述子。