一种人体再识别方法
【技术领域】
[0001] 本发明属于视频监视与识别技术领域，涉及一种人体再识别方法，尤其涉及一种 使用多通道空间直方图实现人体再识别的方法。
【背景技术】
[0002] 近年来人体目标再识别技术得到了广泛的研究，在视频网络监控、多目标跟踪和 人体行为分析等方面发挥了重要作用。由于经典的人脸等生物特征在较远距离下可识度太 低，研究人员逐渐把像素较多的整个人体作为识别对象。人体再识别是指利用已经存在的 人体目标图库，在场景或时间变化时，通过搜索图库，再次识别和确认当前所查询人体图片 的目标身份。由于存在光照、视角、姿态、背景和遮挡等极具挑战性的因素，人体再识别并不 是一个容易的问题。在人体再识别过程中，通常假设在短时间内人的着装相同，因此颜色是 人体再识别最常用且最有效的特征。另外，人体作为一种特殊的目标，其结构对于人体识别 也非常重要。将人体图像进行合理的多层次多区域划分，能够更好地反映出人体的结构信 肩、。
[0003] 人体再识别主要使用的特征有颜色、结构、纹理、关键点以及区域描述子等。SDALF 方法[文献 I :Farenzena M, Bazzani L, Perina A, et al. Person re-identification by symmetry-driven accumulation of local features. IEEE Conference on Computer Vision and Pattern Recognition. San Francisco, USA, 2010:2360-2367]提取前景后将 人体目标分割为头部、躯干和腿部，并使用HSV直方图和重复纹理块等特征进行组合识别。 CPS方法[文献2 :Cheng D S, Cristani M, Stoppa M, et al. Custom pictorial structures for re-identification. British Machine Vision Conference, Dundee, UK, 2011:6]利用人 体结构检测出人体的详细部位后再进行识别。上述方法对人体图像的质量要求较高，对于 低解析度图像来说，难以计算形成前述方法所需要采用的特征。
[0004] 在对人体图像特定区域进行描述时，颜色直方图能够表现该区域的整体特征， 对视角和形状变化具有一定的不变性。SCEFA方法[文献3 :Hu Y，Liao S，Lei Z，et al. Exploring structural information and fusing multiple features for person re-identification. IEEE Conference on Computer Vision and Pattern Recognition, P ortland，USA，2013:794-799]采用分层加权的HSV直方图和双向匹配的颜色区域特征，并 用Gabor纹理模式描述检测到的人体关键点。刘忠轩等提交的专利"基于视频图像中的人 体图像再识别的方法"（【申请号】201210592515. 6)采用HSV直方图作为人体特征向量。蒋 云良等提交的专利"一种应用于行人再识别的多核支持向量机多示例学习算法"（【申请号】 201410091319. X)则采用了 HSV空间的级联组合，用支持向量机完成特征的匹配。但上述方 法都只使用了颜色直方图，忽略了像素的空间位置信息，即忽略了颜色的空间结构，因此模 型的分辨能力不高，对颜色直方图相似的人体目标缺乏判别能力。
[0005] 以上人体再识别方法，在特征描述和特征匹配方面的不完善，造成了人体再识别 的识别率成功率偏低、虚警率过高问题。
【发明内容】
[0006] 本发明提出一种人体再识别方法，解决了现有技术在特征描述和特征匹配方面存 在的不完善问题，具有较高的识别成功率和较低的虚警率。
[0007] 解决上述技术问题的技术方案为：一种人体再识别方法，采用以人体躯干部分为 人体尺度空间划分的第1层图像区域、后续每一层次的人体尺度空间划分均在前一层次图 像区域划分的基础上进行等面积拆分的方式对人体图像进行多层次人体尺度空间划分，获 得多层次人体图像区域。进一步，选取多个颜色通道，每个颜色通道根据多层次人体尺度空 间划分获得的每一层次人体图像区域进行空间直方图计算，然后多个颜色通道再次级联形 成多通道空间直方图。
[0008] 本发明与现有技术相比，其显著优点在于：（1)本发明把空间直方图的概念扩 展到多个颜色空间，构成的多通道空间直方图（本发明中记为MCSH，Mu11 i-Channe 1 Spatio-Histogram)不但能避免复杂的计算过程和计算异常，而且获得了更好的人体再识 别能力；（2)本发明根据人体再识别的应用场景，简化了空间直方图的定义，通过测试和交 叉验证，确定了人体图像的尺度空间参数，这些测试参数具有普遍适用性，在更多的测试中 得到了验证；（3)本发明通过设计的加权1-范数组合距离测度，避免了加权巴氏距离所面 临的矩阵求逆问题，保证任意的MCSH特征都可以获得距离测度。
【附图说明】
[0009] 图1是人体分层区域划分的示意图；
[0010] 图2是本发明方法流程图；
[0011] 图3是本发明不同通道组合的识别性能比较图；
[0012] 图4是本发明与现有技术的识别性能比较图。
【具体实施方式】
[0013] -、本发明使用的人体尺度空间划分方法和多通道空间直方图
[0014] 使用单个颜色通道建立空间直方图进行人体再识别的效果有限。本发明针对人体 再识别的特定应用，以人体图像区域为单位，采用多层次多尺度的空间划分建立多个空间 直方图，并且在像素特征方面引入人体图像区域的多种颜色通道，可以更准确地反映人体 的颜色和结构信息。
[0015] 1、人体尺度空间划分
[0016] 受成像条件限制，人体再识别过程中输入的人体图像并不一定完全准确，且使用 人体的手脚等特征雷同区域并不一定能为人体再识别带来益处。因为体躯干部一般在人体 图像的中间位置，且图像信息比较完整，所以本发明只采用人体躯干部分作为人体尺度空 间划分的第1层（基层）图像区域。然后，后续的每一层次的人体尺度空间划分均是在前 一层次图像区域划分的基础上再进行等面积拆分，获得更小的图像区域。所有的层次构成 尺度空间。
[0017] 以对VIPeR图库中某一图片进行4层图像区域划分为例，在VIPeR图库中选取如 图1中（a)和（b)所示图片进行人体尺度空间划分。图1中（a)所示图片表示一个人在 斜45度视角的图片，图1中（b)所示图片表示同一个人在正面视角的图片，图中带有网格 划分，其中粗线网格所框出的部分为图片中人体的躯干部分，其位于图片中部位置。选取图 1中（a)粗线网格所框出的部分作为第1图像区域，如图1中（c)所示。图1中（d)、（e)、 (f)依次为自顶向下的2、3、4层人体尺度空间划分后获得的人体图像区域。
[0018] 2、多通道空间直方图
[0019] 空间直方图是一种图像的区域描述方法，最初提出时用于图像面目标的跟踪。空 间直方图结合颜色直方图和像素的空间关系，提高了颜色直方图的描述能力。
[0020] 对每个尺度空间中的任意一个人体图像区域I，其空间直方图如公式（1)所示：
[0021] S (b) = <nb, μ b, Σ b>, b = I, 2, . . . , B (I)
[0022] 公式⑴中，b为直方图的统计区间的序号；B为统计区间总数，根据不同的图库经 训练获得；n b为第b个统计区间的颜色统计值；μ b和Σ,分别是用属于第b个统计区间的 所有像素计算获得的平均空间位置向量和位置协方差矩阵，nb、μ ,和Σ,的定义如公式（2) 所示：
[0024] 公式⑵中，N为图像区域I的像素总数；ck = (X，y)T为像素 k的空间坐标；如果 像素 k在第b个统计区间内，则函数δ kb = 1，如果像素 k不在第b个统计区间内，则函数 δ kb = 〇〇
[0025] 对尺度空间划分中每个人体图像区域在进行空间直方图统计时，尺度空间划分的 层次数量以及每个层次内的统计区间总数B，都是通过训练测试获得的，具有普遍适应性。 例如，对图1中（c)、（d)、（e)、（f)所示的4层次划分中每个人体图像区域进行空间直方图 统计时，统计区间总数B分别设为32,