一種監控視頻中行人重識別方法技術
【技術實現步驟摘要】
本專利技術屬于智能監控領域，具體涉及。
技術介紹
安全是一個社會和企業賴以生存和發展的基礎，尤其是在現代化技術高度發展的今天，犯罪更趨智能化，手段更隱蔽，加強現代化的安防技術就顯得更為重要。例如，如何在機場、車站、碼頭、賓館、商場等口岸或公共場所的人群中發現特定的目標。安全部門、公安部門以往的做法只能是靠人工布控、蹲守。這種方式除了耗費大量的警力以外，還往往因為有關人員的疏忽而造成特定目標漏網；犯罪嫌疑人在被控制以后，不愿意透露自己的真實身份，而且身上沒有任何可以證明身份的線索。公安人員往往因為無從確認其身份而不得不將其釋放。在受害人身份確認方面同樣也存在類似的難題；在出入境管理方面，常常有受控人員使用假的身份證件而成功逃脫有關部門的監控。智能監控技術對于維護國家安全和社會穩定、打擊各類犯罪活動具有十分重大的意義。在新興的信息安全應用領域，行人重識別技術提供了一種更為安全可靠易用的身份鑒別手段，從而提升了整個網絡信息系統的安全性能，有效地遏止各類網絡違法犯罪活動。同時，行人重識別技術在傳統的安防領域可以便捷的與原有技術實現緊密的結合，大大提升原有系統的智能化程度、安全性及易用性，拓展了原有系統的應用領域，從而促進了傳統產業的技術升級。
技術實現思路
為了解決整個國家、社會的安全防范水平，達到威懾犯罪、懲治罪犯、維護社會穩定、保障國家安全的目的，本專利技術提供，可以較好地滿足公安部門對安全的需求，包括步驟:步驟(I)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...
【技術保護點】
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。
【技術特征摘要】
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e個，每個行人%有多幀圖像，ξ為c個行人中的一個，? <c，每個人的每一幀作為一個樣本，A是該樣本的特征向量，I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七；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/X J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...
【專利技術屬性】
技術研發人員：章東平，李艷潔，陶玉婷，徐嬌，
申請(專利權)人：中國計量學院，
類型：發明
國別省市：浙江;33
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。