一種適用于人體再識(shí)別的圖片相似度計(jì)算方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及交通管理領(lǐng)域，尤其是指一種適用于人體再識(shí)別的圖片相似度計(jì)算方 法。
【背景技術(shù)】
[0002] 視頻人體再識(shí)別技術(shù)是指在監(jiān)控視頻中識(shí)別出某個(gè)特定的已經(jīng)在監(jiān)控網(wǎng)絡(luò)中出 現(xiàn)過(guò)的人體，即對(duì)監(jiān)控網(wǎng)絡(luò)中的同一個(gè)人體進(jìn)行再次識(shí)別。
[0003] 隨著社會(huì)安全和視頻采集技術(shù)的發(fā)展，大量的監(jiān)控?cái)z像頭應(yīng)用在商場(chǎng)、建筑樓內(nèi)、 公園、學(xué)校、大型廣場(chǎng)、地鐵站等人流密集易發(fā)生安全事件的場(chǎng)所。人工已難以應(yīng)對(duì)海量增 長(zhǎng)的監(jiān)控視頻，因此利用計(jì)算機(jī)對(duì)監(jiān)控視頻中的人體等進(jìn)行再識(shí)別的需求應(yīng)運(yùn)而生。目前 人體再識(shí)別的方法和系統(tǒng)大多采用：圖像去噪_>特征提取_>相似性度量計(jì)算_>匹配判斷的 流程。
[0004] 特征間相似性度量機(jī)制是人體再識(shí)別系統(tǒng)中重要部分，選擇或設(shè)計(jì)的好壞將直接 影響到人體再識(shí)別算法的準(zhǔn)確度。目前用于特征相似性度量的方法主要有歐式距離、直方 圖相交法、巴氏系數(shù)、馬氏距離等。
[0005] 發(fā)明（申請(qǐng)?zhí)朇N201310021525 )，提出基于視頻的人體再識(shí)別方法以及系統(tǒng)，對(duì)確 定待檢測(cè)視頻中的運(yùn)動(dòng)區(qū)域，形成人體檢測(cè)的范圍；將形成人體檢測(cè)的范圍的圖像分多個(gè) 顏色通道，進(jìn)行灰度拉伸并形成灰度拉伸后的圖像;對(duì)灰度拉伸后的圖像進(jìn)行人體檢測(cè)得 到人體圖像;對(duì)人體圖像中的人體與預(yù)先存儲(chǔ)的人體樣本進(jìn)行初步匹配;初步匹配失敗，則 將檢測(cè)到的人體保存到人體樣本;成功則對(duì)人體圖像中的人體與預(yù)先存儲(chǔ)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(cè)到的人體保存到人體樣本； 是則輸出相應(yīng)的人體樣本。對(duì)圖像分多個(gè)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(shí)別的準(zhǔn)確率。
[0006] 發(fā)明（申請(qǐng)?zhí)朇N201210592918 )，提供了一種在柵格遮擋下的人體再識(shí)別方法，包 括:檢測(cè)出視頻圖像中的人體圖像;將所述人體圖像分割為多個(gè)區(qū)域;將分割后的多個(gè)區(qū)域 中，去除柵格障礙物所在的區(qū)域;確定每個(gè)所述區(qū)域的特征向量，將多個(gè)特征向量與預(yù)先采 集的數(shù)據(jù)庫(kù)中的多個(gè)基準(zhǔn)向量進(jìn)行匹配;將所述數(shù)據(jù)庫(kù)中匹配成功的人體圖像作為識(shí)別結(jié) 果。
[0007] 發(fā)明（申請(qǐng)?zhí)朇N201210592721 )，提供了一種在霧天的人體再識(shí)別的方法，包括:檢 測(cè)出視頻圖像中的人體圖像;確定所述人體圖像的特征向量，根據(jù)不同顏色的權(quán)重，將確定 的特征向量與預(yù)先采集的數(shù)據(jù)庫(kù)中的多個(gè)基準(zhǔn)向量進(jìn)行匹配;將所述數(shù)據(jù)庫(kù)中匹配成功的 人體圖像作為識(shí)別結(jié)果。通過(guò)上述的步驟，可在數(shù)據(jù)庫(kù)中確定出人體圖像，將確定出的人體 圖像作為檢測(cè)到的人體圖像。從而可在視頻中掌握每個(gè)人體圖像的運(yùn)動(dòng)軌跡以及活動(dòng)范 圍。
[0008] 但上述方法中，目標(biāo)人體圖像的特征向量與數(shù)據(jù)庫(kù)中的多個(gè)基準(zhǔn)向量之間匹配， 需要將特征向量與基準(zhǔn)向量的距離進(jìn)行計(jì)算（即進(jìn)行相似度計(jì)算），且都采用傳統(tǒng)的歐式距 離來(lái)進(jìn)行，尚未提出新的適用于人體再識(shí)別的圖片相似度計(jì)算方法。

【發(fā)明內(nèi)容】

[0009] 本發(fā)明的目的在于克服現(xiàn)有技術(shù)的缺點(diǎn)與不足，提供了一種適用于人體再識(shí)別的 圖片相似性度量計(jì)算方法，能提高人體再識(shí)別圖片匹配的可靠性和魯棒性，具有實(shí)際推廣 價(jià)值。
[0010] 為實(shí)現(xiàn)上述目的，本發(fā)明所提供的技術(shù)方案為:一種適用于人體再識(shí)別的圖片相 似度計(jì)算方法，包括以下步驟：
[0011] 1)待匹配的圖片A和B進(jìn)行圖像去噪；
[0012] 2)提取圖像去噪后的圖片A和B的特征向量XA和XB;
[0013] 3)對(duì)特征向量XA和XB*別進(jìn)行歸一化處理；
[0014] 4)計(jì)算圖片A和B的顯著性差異距離SDD，作為相似性度量指標(biāo)。
[0015]在步驟1)中，所述圖像去噪采用中值濾波法，基本原理是把數(shù)字圖像或數(shù)字序列 中一點(diǎn)的值用該點(diǎn)鄰域內(nèi)各點(diǎn)的中值代換，設(shè)f(x，y)表示數(shù)字圖像像素點(diǎn)(x，y)的灰度值， 濾波窗口為R的中值濾波器可以定義為：
[0017] 式中，MED {}為中值函數(shù)，當(dāng)濾波窗口 R中的像素點(diǎn)總數(shù)η為奇數(shù)時(shí)，MED {X1，x2，… xn}就是xl，x2，…xn的中值，即按數(shù)值大小順序處于中間的數(shù);當(dāng)η為偶數(shù)時(shí)，定義兩個(gè)中間 數(shù)平均值為中值。
[0018] 在步驟2)中，所述特征向量ΧΑ和XBS單個(gè)特征向量，或者包括H0G、YUV顏色直方圖 這多個(gè)特征的多維特征向量。
[0019] 在步驟3)中，所述特征向量XA和XB采用線性函數(shù)歸一化方法，即：假設(shè)XA={X'， 父^4\}，1!為特征向量維度4\為圖厶的第1個(gè)特征元素；則歸一化后的特征向量為乂 /4 = { V \，X' A2…X' An}，且 V Ai = XAi/(XA1+XA2+…+XAn);同理，X B的歸一化方法與XA-樣。
[0020] 在步驟4)中，計(jì)算所述顯著性差異距離SDD的公式如下：
[0022]式中，X'AnX't分別為歸一化后特征向量為X/A、X/B的第i個(gè)特征元素的數(shù)值;η為 特征維度;Wl為第i個(gè)權(quán)重系數(shù)，其計(jì)算公式為：
[0024]式中，e為自然對(duì)數(shù)，|*|為取絕對(duì)值。
[0025] 本發(fā)明與現(xiàn)有技術(shù)相比，具有如下優(yōu)點(diǎn)與有益效果：
[0026] 本發(fā)明方法適用性較廣，既可應(yīng)用于單一特征值的兩個(gè)圖片相似性度量計(jì)算，也 可應(yīng)用在多特征值的兩個(gè)圖片的相似性度量計(jì)算；同時(shí)該方法可應(yīng)用于人體圖片再識(shí)別， 也可應(yīng)用于其他目標(biāo)再識(shí)別算法中，如特定物品等。該方法充分考慮特征向量中對(duì)應(yīng)特征 元素的差異，作為權(quán)重值，因此構(gòu)建的相似度度量計(jì)算方法較合理，提高不同對(duì)象圖片的相 似性差異，同時(shí)減少同一個(gè)對(duì)象不同圖片的相似性差異，提高人體再識(shí)別的可靠性和魯棒 性，因此本發(fā)明具有很大的實(shí)際推廣價(jià)值。
【附圖說(shuō)明】
[0027]圖1為本發(fā)明的工作流程圖。
[0028]圖2a為本發(fā)明實(shí)施例的圖A。
[0029]圖2b為本發(fā)明實(shí)施例的圖B。
[0030]圖3為本發(fā)明進(jìn)行特征向量歸一化的流程圖。
[0031]圖4為本發(fā)明顯著性差異距離SDD計(jì)算流程圖。
【具體實(shí)施方式】
[0032]下面結(jié)合具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步說(shuō)明。
[0033] 如圖1所示，本