專利名稱：一種人體再識別方法以及人體再識別系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計算機視覺與模式識別領(lǐng)域，尤其是涉及一種人體再識別方法以及人體再識別系統(tǒng)。
背景技術(shù)：
目前，在使用攝像頭進(jìn)行監(jiān)控的時候，視頻中活動的人或者物體是一般都是需要關(guān)注的重點。例如在居民區(qū)進(jìn)行監(jiān)控的時候，在監(jiān)控范圍內(nèi)出現(xiàn)的人、車輛的車牌號碼燈是否屬于本小區(qū)等都是需要特別關(guān)注的重點。當(dāng)監(jiān)控的時間為夜晚，監(jiān)控區(qū)域內(nèi)光線昏暗的時候，所得到的視頻中的顏色信息并不明顯，而現(xiàn)有的人體再識別方法一般是基于顏色，但是所得到的視頻中的圖像都是模糊的，降低了人體再識別準(zhǔn)確率。

發(fā)明內(nèi)容
本發(fā)明提出了一種人體再識別方法以及人體再識別系統(tǒng)，能夠提高圖像的清晰度，提高人體再識別準(zhǔn)確率。為了達(dá)到上述目的，本發(fā)明的技術(shù)方案是這樣實現(xiàn)的:一種人體再識別方法，包括:確定待檢測視頻中的運動區(qū)域，形成人體檢測的范圍；將形成人體檢測的范圍的圖像分多個顏色通道，進(jìn)行灰度拉伸，并形成灰度拉伸后的圖像；對灰度拉伸后的圖像進(jìn)行人體檢測，得到人體圖像；對人體圖像中的人體與預(yù)先存儲的人體樣本進(jìn)行初步匹配；根據(jù)初步匹配的結(jié)果判斷是否匹配成功；否，則將檢測到的人體保存到人體樣本；是，則對人體圖像中的人體與預(yù)先存儲的人體樣本進(jìn)行精確匹配；根據(jù)精確匹配的結(jié)果判斷是否匹配成功；否，則將檢測到的人體保存到人體樣本；是，則輸出相應(yīng)的人體樣本。在本發(fā)明各實施方式中，優(yōu)選地，確定待檢測視頻中的運動區(qū)域，形成人體檢測的范圍具體包括:使用幀差法對視頻的運動目標(biāo)進(jìn)行檢測，并得到視頻中每幀圖片的前景圖片；確定前景圖片所在的區(qū)域為運動區(qū)域，形成人體檢測的范圍。在本發(fā)明各實施方式中，優(yōu)選地，確定待檢測視頻中的運動區(qū)域還包括:在得到視頻中每幀圖片的前景圖片后，將所得到的前景圖片使用腐蝕和膨脹算法進(jìn)行過濾。在本發(fā)明各實施方式中，優(yōu)選地，所述將已經(jīng)確定的運動區(qū)域中的圖像份多個顏色通道，進(jìn)行灰度拉伸，并形成灰度拉伸后的圖像具體包括:分別獲取運動區(qū)域中圖像的RGB三色通道的灰度信息，其中包括該顏色通道中所有像素的原灰度范圍的最小值xl和最大值χ2 ；針對圖像上每一個像素點的每一個顏色通道進(jìn)行灰度拉伸；將進(jìn)行灰度拉伸后的RGB三色通道合并為一張圖像，形成人體檢測的范圍；其中，針對一個像素點進(jìn)行灰度拉伸后的灰度y滿足公式(I):
權(quán)利要求
1.一種人體再識別方法，其特征在于，包括: 確定待檢測視頻中的運動區(qū)域，形成人體檢測的范圍； 將形成人體檢測的范圍的圖像分多個顏色通道，進(jìn)行灰度拉伸，并形成灰度拉伸后的圖像； 對灰度拉伸后的圖像進(jìn)行人體檢測，得到人體圖像； 對人體圖像中的人體與預(yù)先存儲的人體樣本進(jìn)行初步匹配； 根據(jù)初步匹配的結(jié)果判斷是否匹配成功；否，則將檢測到的人體保存到人體樣本； 是，則對人體圖像中的人體與預(yù)先存儲的人體樣本進(jìn)行精確匹配； 根據(jù)精確匹配的結(jié)果判斷是否匹配成功；否，則將檢測到的人體保存到人體樣本； 是，則輸出相應(yīng)的人體樣本。
2.根據(jù)權(quán)利要求1所述的人體再識別方法，其特征在于，確定待檢測視頻中的運動區(qū)域，形成人體檢測的范圍具體包括: 使用幀差法對視頻的運動目標(biāo)進(jìn)行檢測，并得到視頻中每幀圖片的前景圖片； 確定前景圖片所在的區(qū)域為運動區(qū)域，形成人體檢測的范圍。
3.根據(jù)權(quán)利要求所述的人體再識別方法，其特征在于，確定待檢測視頻中的運動區(qū)域還包括: 在得到視頻中每幀圖片的前景圖片后，將所得到的前景圖片使用腐蝕和膨脹算法進(jìn)行過濾。
4.根據(jù)權(quán)利要求1所述的人體再識別方法，其特征在于，所述將已經(jīng)確定的運動區(qū)域中的圖像份多個顏色通道，進(jìn)行灰度拉伸，并形成灰度拉伸后的圖像具體包括: 分別獲取運動區(qū)域中圖像的RGB三色通道的灰度信息，其中包括該顏色通道中所有像素的原灰度范圍的最小值xl和最大值χ2 ； 針對圖像上每一個像素點的每一個顏色通道進(jìn)行灰度拉伸； 將進(jìn)行灰度拉伸后的RGB三色通道合并為一張圖像，形成人體檢測的范圍； 其中，針對一個像素點進(jìn)行灰度拉伸后的灰度I滿足公式(1):
5.根據(jù)權(quán)利要求1-4任意一項所述的人體再識別方法，其特征在于，所述對人體圖像中的人體與預(yù)先存儲的人體樣本進(jìn)行初步匹配具體為: 獲取人體圖像的顏色信息:將人體圖像由RGB格式轉(zhuǎn)換為HSV格式，并提取人體圖像在HSV格式下的顏色分布直方圖； 將提取到的顏色分布直方圖與預(yù)先存儲的人體樣本的顏色直方圖一一匹配； 在匹配過程中，當(dāng)提取到的顏色分布直方圖與人體樣本的顏色分布直方圖的距離小于預(yù)設(shè)的閾值時，則認(rèn)為匹配成功。
6.根據(jù)權(quán)利要求5所述的人體再識別方法，其特征在于，所述將人體圖像由RGB格式轉(zhuǎn)換為HSV格式后每一像素的色調(diào)值h、飽和度s以及亮度V分別滿足公式(2)、公式(3)以及公式(4):
7.根據(jù)權(quán)利要求6所述的人體再識別方法，其特征在于，所述提取人體圖像在HSV格式下的顏色分布直方圖具體為: 對于人體圖像中的每一個像素，對其顏色進(jìn)行統(tǒng)計； 根據(jù)顏色統(tǒng)計的結(jié)果計算出每種顏色在人體圖像的每個區(qū)域中所占比例，依次存儲到數(shù)組m中，作為人體圖像的特征向量使用。
8.根據(jù)權(quán)利要求7所述的人體再識別方法，其特征在于，所述將提取到的顏色分布直方圖與預(yù)先存儲的人體樣本的顏色直方圖一一匹配具體為: 計算各個所述人體圖像所對應(yīng)的各個特征向量分別與所述數(shù)據(jù)庫中每個人體圖像的各個區(qū)域的基準(zhǔn)向量的距離； 對每個特征向量得到的多個距離排序，確定出兩個最小的距離dl和d2 ;其中，dl〈d2 ； 如果所述1.5dl < d2，則確定該特征向量與用于運算所述dl的基準(zhǔn)向量相匹配； 其中，用于運算出最小的歐式距離的基準(zhǔn)向量作為距離最高的基準(zhǔn)向量。歐式距離d如公式(5):
9.根據(jù)權(quán)利要求1-4任意一項所述的人體再識別方法，其特征在于，所述對人體圖像中的人體與預(yù)先存儲的人體樣本進(jìn)行精確匹配具體為: 提取人體圖像中的特征點； 將人體圖像中所得到的特征點與人體模型中的特征點相匹配。
10.一種人體再識別系統(tǒng)，其特征在于，包括: 用于確定待檢測視頻中的移動區(qū)域，形成人體檢測的范圍的范圍檢測模塊； 用于將范圍檢測模塊所檢測到的人體檢測的范圍的圖像分多個顏色通道，進(jìn)行灰度拉伸，并形成灰度拉伸后的圖像的灰度拉伸模塊； 用于在灰度拉伸后的圖像進(jìn)行人體檢測，并得到人體圖像的人體檢測模塊； 用于將所述人體檢測模塊所得到的人體圖像與預(yù)先存儲的人體樣本進(jìn)行初步匹配以及精確匹配的匹配模塊； 用于存儲人體樣本、并保存初步匹配或者精確匹配失敗的人體圖像的存儲模塊。
全文摘要
本發(fā)明涉及計算機視覺與模式識別領(lǐng)域，尤其是涉及一種人體再識別方法以及人體再識別系統(tǒng)包括確定待檢測視頻中的運動區(qū)域，形成人體檢測的范圍；將形成人體檢測的范圍的圖像分多個顏色通道，進(jìn)行灰度拉伸并形成灰度拉伸后的圖像；對灰度拉伸后的圖像進(jìn)行人體檢測得到人體圖像；對人體圖像中的人體與預(yù)先存儲的人體樣本進(jìn)行初步匹配；初步匹配失敗，則將檢測到的人體保存到人體樣本；成功則對人體圖像中的人體與預(yù)先存儲的人體樣本進(jìn)行精確匹配；根據(jù)精確匹配的結(jié)果判斷是否匹配成功；否則將檢測到的人體保存到人體樣本；是則輸出相應(yīng)的人體樣本。對圖像分多個顏色通道進(jìn)行灰度拉伸，使得原本模糊的圖像變清晰，提高人體再識別的準(zhǔn)確率。
文檔編號G06K9/00GK103093203SQ20131002152
公開日2013年5月8日 申請日期2013年1月21日 優(yōu)先權(quán)日2013年1月21日
發(fā)明者王海峰, 王曉萌, 何小波, 董博, 楊宇, 張凱歌 申請人:信幀電子技術(shù)(北京)有限公司