利用人体部位特征重要性进行行人再识别.pdf

(7页)

本资源提供全文预览，点击全文预览即可全文预览,如果喜欢文档就下载吧，查找使用更方便哦！

14.90 积分

第４２卷 第１期２０１７年１月武 汉 大 学 学 报 · 信 息 科 学 版Ｇｅｏｍａｔｉｃｓ　ａｎｄ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｓｃｉｅｎｃｅ　ｏｆ　Ｗｕｈａｎ　ＵｎｉｖｅｒｓｉｔｙＶｏｌ．４２Ｎｏ．１Ｊａｎ．２０１７收稿日期：２０１６－０４－３０项目资助：湖北省科技支撑计划(２０１４ＢＡＡ１４９)。第一作者：章登义，教授，主要从事模式识别、计算机视觉等理论与方法研究。ｄｙｚｈａｎｇｗｈｕ＠１６３．ｃｏｍ通讯作者：王骞，博士生。ｗｑ１９８４ａ＠ｑｑ．ｃｏｍＤＯＩ：１０．１３２０３／ｊ．ｗｈｕｇｉｓ２０１５０５５１ 文章编号：１６７１－８８６０(２０１７)０１－００８４－０７利用人体部位特征重要性进行行人再识别章登义１　王　骞１　朱　波２　武小平１　曹　瑀１　蔡　波１１　武汉大学计算机学院，湖北 武汉，４３００７２２　武汉市国土资源和规划信息中心，湖北 武汉，４３００１４摘　要：提出了一种基于人体部位特征重要性的行人再识别算法，该算法首先提取人体各部位的颜色、纹理以及形状等特征，然后对多个行人样本的每个部位分别进行聚类分析，使用误差积累的方法为每个分类计算一种更适合该分类的部位特征重要性权值向量，使得不同类型特征能更有效地应用在其适合的外观上。在公共数据集 ＶＩＰｅＲ上进行了实验，通过积累匹配特性(ｃｕｍｕｌａｔｉｖｅ　ｍａｔｃｈｉｎｇ　ｃｈａｒａｃｔｅｒｉｓｔｉｃ，ＣＭＣ)曲线对实验结果进行评价，结果表明，该算法具有较高的再识别率，且对行人视角转换、光照变化、环境嘈杂和物体遮挡有较好的鲁棒性。关键词：视频监控；行人再识别；部位特征重要性；聚类分析；ＣＭＣ曲线中图法分类号：Ｐ２３７．４；Ｐ２０８　　文献标志码：Ａ　　在视频监控系统中，行人再识别技术已成为研究的热点与难点问题，因为不同的摄像机画面中行人的视角、姿态、光照、背景、遮挡以及分辨率等因素都不相同，导致同一行人在不同摄像机画面中外观差异较大，而不同行人在同一摄像机中可能外观相似，这使得在不同的摄像机画面中识别同一行人非常困难。目前解决行人再识别问题主要通过特征描述法［１－６］，寻找更合适的特征来应对视角、姿势、光照、背景、遮挡以及分辨率等因素的变化。特征描述法首先对行人进行特征提取，然后利用距离函数计算特征向量间的距离，通过特征间的距离来描述行人间的相似程度。文献［１］提出的局部特征对称性驱动积累(ｓｙｍｍｅｔｒｙ－ｄｒｉｖｅｎａｃｃｕｍｕｌａｔｉｏｎ　ｏｆ　ｌｏｃａｌ　ｆｅａｔｕｒｅｓ，ＳＤＡＬＦ)方法主要分为３个阶段：首先，通过金属成分分析模型(ｓｔｅｌｃｏｍｐｏｎｅｎｔ　ａｎａｌｙｓｉｓ，ＳＴＥＬ)将行人从背景中提取出来，利用基于对称性的轮廓分割方法将人体在垂直方向上分成头、上半身和下半身，在水平方向将上半身和下半身分别划分成左右两部分；然后提取权重颜色直方图(ｗｅｉｇｈｔｅｄ　ｃｏｌｏｒ　ｈｉｓｔｏｇｒａｍ，ＷＣＨ)、最大稳定颜色区域(ｍａｘｉｍａｌｌｙ　ｓｔａｂｌｅｃｏｌｏｒ　ｒｅｇｉｏｎｓ，ＭＳＣＲ［７］)和 重 复 高 结构块(ｒｅｃｕｒ－ｒｅｎｔ　ｈｉｇｈ－ｓｔｒｕｃｔｕｒｅｄ　ｐａｔｃｈｅｓ，ＲＨＳＰ)特征；最后，在进行距离计算时使用这３种特征的巴氏距离加权求和。文献 ［３］提出了自定义图案结构(ｃｕｓ－ｔｏｍ　ｐｉｃｔｏｒｉａｌ　ｓｔｒｕｃｔｕｒｅｓ，ＣＰＳ)方 法，该 方 法 首 先利用图案结构(ｐｉｃｔｏｒｉａｌ　ｓｔｒｕｃｔｕｒｅｓ，ＰＳ)模型［８］将行人图像中人体的各个部位分割出来，然后提取各部位颜色直方图和 ＭＳＣＲ 特征，最后进行距离计算时同样使用巴氏距离计算这两种特征的距离并对其加权求和。文献［４］提出了费舍尔向量编码的局部描述(ｌｏｃａｌ　ｄｅｓｃｒｉｐｔｏｒｓ　ｅｎｃｏｄｅｄ　ｂｙ　Ｆｉｓｈ－ｅｒ　ｖｅｃｔｏｒ，ｅＬＤＦＶ)方法，该方法使用费舍尔向量对行人图像亮度和梯度信息进行编码作为特征，然后 结 合 ＷＣＨ 和 ＭＳＣＲ 两 种 特 征，在 ＳＤＡＬＦ框架下进行距离计算。文献［９］提出了一种局部特征集(ｅｎｓｅｍｂｌｅ　ｏｆ　ｔｈｅ　ｌｏｃａｌｉｚｅｄ　ｆｅａｔｕｒｅｓ，ＥＬＦ)的行人再识别方法，选取分类效果较好的特征，按其分类效果赋予不同的权重，构成了 ＥＬＦ 特征，通过 ＥＬＦ相似度函数来进行行人图像间的匹配。基于特征描述的行人再识别方法通常使用的是ＳＤＡＬＦ方法中提出的行人再识别框架，首 先提取行人图像中人体部分所在区域，然后提取行人图像的多种特征，最后在计算距离时使用传统的距离函数对同类特征进行距离算法，再加权求和作为 最 终 的 距 离。 相 比 ＳＤＡＬＦ 方 法 使 用 的ＳＴＥＬ模型，ＣＰＳ 方 法 所 用 到 的 ＰＳ 模 型 能 更 好地将人体部分从行人图像中分离出来，减小了背　第４２卷第１期 章登义等：利用人体部位特征重要性进行行人再识别景和姿态对行人造成的影响。本文所提出的方法采用了ＳＤＡＬＦ 方法提出的行人再识别框架，同时采用 了 ＰＳ模型对人体部位进行提取，不 同 的是本文方法考虑了人体各部位受视角和姿态因素影响各不相同，在计算距离时对各部位进行了部位重 要 性加 权。此外，由于 ＳＤＡＬＦ 框 架 在 进 行距离计算时只是对各种特征进行经验性的加权，这样并不能很好地将各种特征应用到其适合的外观上。因 此，本文提出的部位特征重要性(ｐａｒｔｆｅａｔｕｒｅ　ｉｍｐｏｒｔａｎｃｅ，ＰＦＩ)方法在此基础上进行了改进，为每种特征计算一种特征重要性，使得不同的特征可以更好地用于其适合的外观，更有效地区分不同的行人。１　理论与方法特征重要性思想主要源于文献［１０］，本文提出的基于人体部位特征重要性的行人再识别方法流程如图１ 所 示。首 先，利 用 ＰＳ 模 型［５］将 行 人图像中的人体分割成头、肩膀、躯干、左右上臂、左右下臂、左右大腿和左右小腿共１１个部位，并统一方向和尺度；然后，分别对这１１个部位提取颜色、纹理和形状等特征；接着，对各个部位进行聚类分析，将某一部位具有类似外观的行人聚成一类；接下来，通过一种误差积累的方法为每一类部位计算其特征重要性；最后，通过加权计算不同图像中行人相同部位的距离来进行行人再识别。图１　基于人体部位特征重要性的行人再识别方法流程图Ｆｉｇ．１　Ｆｌｏｗｃｈａｒｔ　ｏｆ　Ｐｅｒｓｏｎ　Ｒｅ－ｉｄｅｎｔｉｆｉｃａｔｉｏｎ　Ｂａｓｅｄ　ｏｎ　Ｐａｒｔ　Ｆｅａｔｕｒｅ　Ｉｍｐｏｒｔａｎｃｅ１．１　人体部位提取假设行人的身体是由部位的集合组成，人体的上半部分依赖于头、肩膀、躯干、左右手臂的上下部分７个不同的部位，人体的下半部分依赖于左右腿的上下部分４个不同的部位，一共是１１个部位，如图１(ａ)所示。本文通过 ＰＳ模型将人体分割成１１个部位，每个。省略部分。于外观统计特征融合的人体目标再识别［Ｊ］．电子与信息学报，２０１４，３６(８)：１　８４４－１　８５１)［７］　Ｆｏｒｓｓéｎ　Ｐ　Ｅ．Ｍａｘｉｍａｌｌｙ　Ｓｔａｂｌｅ　Ｃｏｌｏｕｒ　Ｒｅｇｉｏｎｓ　ｆｏｒＲｅｃｏｇｎｉｔｉｏｎ　ａｎｄ　Ｍａｔｃｈｉｎｇ［Ｃ］．Ｃｏｍｐｕｔｅｒ　Ｖｉｓｉｏｎａｎｄ　Ｐａｔｔｅｒｎ　Ｒｅｃｏｇｎｉｔｉｏｎ，Ｍｉｎｎｅｓｏｔａ，ＵＳＡ，２００７［８］　Ａｎｄｒｉｌｕｋａ　Ｍ，Ｒｏｔｈ　Ｓ，Ｓｃｈｉｅｌｅ　Ｂ．Ｐｉｃｔｏｒｉａｌ　Ｓｔｒｕｃ－ｔｕｒｅｓ　Ｒｅｖｉｓｉｔｅｄ：Ｐｅｏｐｌｅ　Ｄｅｔｅｃｔｉｏｎ　ａｎｄ　ＡｒｔｉｃｕｌａｔｅｄＰｏｓｅ　Ｅｓｔｉｍａｔｉｏｎ［Ｃ］．Ｃｏｍｐｕｔｅｒ　Ｖｉｓｉｏｎ　ａｎｄ　ＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ，Ｍｉａｍｉ，ＦＬ，ＵＳＡ，２００９［９］　Ｄｏｕｇｌａｓ　Ｇ，Ｈａｉ　Ｔ．Ｖｉｅｗｐｏｉｎｔ　Ｉｎｖａｒｉａｎｔ　ＰｅｄｅｓｔｒｉａｎＲｅｃｏｇｎｉｔｉｏｎ　ｗｉｔｈ　ａｎ　Ｅｎｓｅｍｂｌｅ　ｏｆ　Ｌｏｃａｌｉｚｅｄ　Ｆｅａｔｕｒｅｓ［Ｃ］．Ｅｕｒｏｐｅａｎ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｃｏｍｐｕｔｅｒ　Ｖｉｓｉｏｎ，Ｍａｒｓｅｉｌｌｅ，Ｆｒａｎｃｅ，２００８［１０］Ｌｉｕ　Ｃ　Ｘ，Ｇｏｎｇ　Ｓ　Ｇ，Ｃｈｅｎ　Ｃ　Ｌ，ｅｔ　ａｌ．Ｐｅｒｓｏｎ　Ｒｅｉ－ｄｅｎｔｉｆｉｃａｔｉｏｎ：Ｗｈａｔ　Ｆｅａｔｕｒｅｓ　Ａｒｅ　Ｉｍｐｏｒｔａｎｔ［Ｃ］．Ｅｕｒｏｐｅａｎ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｃｏｍｐｕｔｅｒ　Ｖｉｓｉｏｎ，Ｆｌｏｒ－ｅｎｃｅ，Ｉｔａｌｙ，２０１２［１１］Ｍｕ　Ｙ　Ｄ，Ｙａｎ　Ｓ　Ｃ，Ｌｉｕ　Ｙ，ｅｔ　ａｌ．Ｄｉｓｃｒｉｍｉｎａｔｉｖｅ　Ｌｏ－ｃａｌ　Ｂｉｎａｒｙ　Ｐａｔｔｅｒｎｓ　ｆｏｒ　Ｈｕｍａｎ　Ｄｅｔｅｃｔｉｏｎ　ｉｎ　ＰｅｒｓｏｎａｌＡｌｂｕｍ［Ｃ］．Ｃｏｍｐｕｔｅｒ　Ｖｉｓｉｏｎ　ａｎｄ　Ｐａｔｔｅｒｎ　Ｒｅｃｏｇｎｉ－ｔｉｏｎ，Ａｎｃｈｏｒａｇｅ，ＡＫ，ＵＳＡ，２００８［１２］Ｄａｌａｌ　Ｎ，Ｔｒｉｇｇｓ　Ｂ．Ｈｉｓｔｏｇｒａｍｓ　ｏｆ　Ｏｒｉｅｎｔｅｄ　Ｇｒａｄｉｅｎｔｓｆｏｒ　Ｈｕｍａｎ　Ｄｅｔｅｃｔｉｏｎ［Ｃ］．Ｃｏｍｐｕｔｅｒ　Ｖｉｓｉｏｎ　ａｎｄ　Ｐａｔ－ｔｅｒｎ　Ｒｅｃｏｇｎｉｔｉｏｎ，Ｓａｎ　Ｄｉｅｇｏ，ＣＡ，ＵＳＡ，２００５［１３］Ｄａｖｉｓ　Ｊ　Ｖ，Ｋｕｌｉｓ　Ｂ，Ｊａｉｎ　Ｐ，ｅｔ　ａｌ．Ｉｎｆｏｒｍａｔｉｏｎ－Ｔｈｅ－ｏｒｅｔｉｃ　Ｍｅｔｒｉｃ　Ｌｅａｒｎｉｎｇ［Ｃ］．Ｔｈｅ　２４ｔｈ　ＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｍａｃｈｉｎｅ　Ｌｅａｒｎｉｎｇ，Ｃｏｒｖａｌｉｓ，ＯＲ，ＵＳＡ，２００７Ｐｅｒｓｏｎ　Ｒｅ－ｉｄｅｎｔｉｆｉｃａｔｉｏｎ　Ｂａｓｅｄ　ｏｎ　Ｐａｒｔ　Ｆｅａｔｕｒｅ　ＩｍｐｏｒｔａｎｃｅＺＨＡＮＧ　Ｄｅｎｇｙｉ１　ＷＡＮＧ　Ｑｉａｎ１　ＺＨＵ　Ｂｏ２　ＷＵ　Ｘｉａｏｐｉｎｇ　１　ＣＡＯ　Ｙｕ１　ＣＡＩ　Ｂｏ１１　Ｓｃｈｏｏｌ　ｏｆ　Ｃｏｍｐｕｔｅｒ，Ｗｕｈａｎ　Ｕｎｉｖｅｒｓｉｔｙ，Ｗｕｈａｎ　４３００７２，Ｃｈｉｎａ２　Ｗｕｈａｎ　Ｌａｎｄ　Ｒｅｓｏｕｒｃｅｓ　ａｎｄ　Ｐｌａｎｎｉｎｇ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｃｅｎｔｅｒ，Ｗｕｈａｎ　４３００１４，ＣｈｉｎａＡｂｓｔｒａｃｔ：Ｉｎ　ａ　ｖｉｄｅｏ　ｓｕｒｖｅｉｌｌａｎｃｅ　ｓｙｓｔｅｍ，ｔｈｅ　ｓａｍｅ　ｐｅｒｓｏｎ　ｍａｙ　ｌｏｏｋ　ｄｉｆｆｅｒｅｎｔ　ａｃｒｏｓｓ　ｄｉｆｆｅｒｅｎｔ　ｃａｍｅｒａｓ，ｗｈｉｌｅ　ｄｉｆｆｅｒｅｎｔ　ｐｅｏｐｌｅ　ｍａｙ　ｌｏｏｋ　ｔｈｅ　ｓａｍｅ　ｉｎ　ｏｎｅ　ｃａｍｅｒａ，ｔｈｕｓ　ｍａｋｉｎｇ　ｒｅ－ｉｄｅｎｔｉｆｉｃａｔｉｏｎ　ｏｆｉｎｄｉｖｉｄｕａｌｓａｃｈａｌｌｅｎｇｉｎｇ　ｐｒｏｂｌｅｍ．Ｗｅ　ｃａｒｒｉｅｄ　ｏｕｔ　ａｎ　ａｌｇｏｒｉｔｈｍ　ｂａｓｅｄ　ｏｎ　ｔｈｅ　ｉｍｐｏｒｔａｎｃｅ　ｏｆ　ｐａｒｔｉａｌ　ｆｅａｔｕｒｅｓ，ｆｉｒｓｔｌｙｅｘｔｒａｃｔｉｎｇ　ｆｅａｔｕｒｅｓ　ｓｕｃｈ　ａｓ　ｃｏｌｏｒ，ｔｅｘｔｕｒｅ，ａｎｄ　ｓｈａｐｅ．Ｅａｃｈ　ｐａｒｔｉｓ　ｃｌｕｓｔｅｒｅｄ　ｂｙ　ｃｌａｓｓｉｆｙｉｎｇ　ｄｉｆｆｅｒｅｎｔ　ａｐ－ｐｅａｒａｎｃｅｓ　ｏｆ　ｂｏｄｙ　ｐａｒｔｓ，ｕｓｉｎｇ　ａｎ　ｅｒｒｏｒ　ａｃｃｕｍｕｌａｔｉｏｎ　ｍｅｔｈｏｄ　ｔｏ　ｆｉｇｕｒｅ　ｏｕｔ　ｗｅｉｇｈｔ　ｖｅｃｔｏｒｓｉｎｄｉｃａｔｉｎｇ　ｔｈｅｓｉｇｎｉｆｉｃａｎｃｅ　ｏｆ　ｔｈｅ　ｆｅａｔｕｒｅｔｈａｔ　ｆｉｔｓ　ｔｈｅ　ｔｙｐｅ　ｏｆ　ａｐｐｅａｒａｎｃｅ．Ｓｉｍｉｌａｒｉｔｙ　ｉｓｃａｌｃｕｌａｔｅｄ　ｕｓｉｎｇ　ｔｈｉｓ　ｖｅｃｔｏｒ　ｔｏｗｅｉｇｈｔ　ｔｈｅ　ｆｅａｔｕｒｅｓ　ｏｆ　ｅａｃｈ　ｐａｒｔ，ｍａｋｉｎｇ　ｔｈｅ　ｆｅａｔｕｒｅ　ｍｏｒｅ　ｓｕｉｔｅｄ　ｔｏ　ｍａｔｃｈ　ｗｉｔｈ　ａｐｐｅａｒａｎｃｅ．Ｔｈｉｓ　ａｌｇｏ－ｒｉｔｈｍ　ｉｎｄｉｃａｔｅｓｔｈａｔ　ｓｏｍｅ　ｆｅａｔｕｒｅｓ　ａｒｅ　ｍｏｒｅ　ｉｍｐｏｒｔａｎｔ　ｔｈａｎ　ｏｔｈｅｒｓ　ｆｏｒ　ｐａｒｔｓ　ｗｉｔｈ　ｄｉｆｆｅｒｅｎｔ　ａｐｐｅａｒａｎｃｅｓ．Ｗｅ　ｃｏｍｐｌｅｔｅｄｅｘｐｅｒｉｍｅｎｔｓ　ｏｎ　ｔｈｅ　ｐｕｂｌｉｃ　ＶＩＰｅＲ　ｄａｔａｓｅｔｓ，ａｎｄ　ｅｖａｌｕａｔｅｄ　ｔｈｅ　ｒｅｓｕｌｔｓ　ｕｓｉｎｇ　ｔｈｅ　ＣＭＣｃｕｒｖｅ．Ｔｈｅｓｅ　ｔｅｓｔｓ　ｉｎｄｉｃａｔｅｄ　ｔｈｉｓ　ａｌｇｏｒｉｔｈｍ　ａｃｈｉｅｖｅｄ　ｈｉｇｈｅｒ　ｒｅ－ｉｄｅｎｔｉｆｉｃａｔｉｏｎ　ｒａｔｅ　ａｎｄ　ｗａｓ　ｍｏｒｅ　ｒｏｂｕｓｔｔｏ　ｖｉｅｗｉｎｇ　ｃｏｎｄｉｔｉｏｎ　ｃｈａｎｇｅｓ，ｉｌｌｕｍｉｎａｔｉｏｎ　ｖａｒｉａｔｉｏｎｓ，ｂａｃｋｇｒｏｕｎｄ　ｃｌｕｔｔｅｒ，ａｎｄ　ｏｃｃｌｕｓｉｏｎ．Ｋｅｙ　ｗｏｒｄｓ：ｖｉｄｅｏ　ｓｕｒｖｅｉｌｌａｎｃｅ；ｐｅｒｓｏｎ　ｒｅ－ｉｄｅｎｔｉｆｉｃａｔｉｏｎ；ｐａｒｔ　ｆｅａｔｕｒｅ　ｉｍｐｏｒｔａｎｃｅ；ｃｌｕｓｔｅｒ；ＣＭＣ　ｃｕｒｖｅＦｉｒｓｔ　ａｕｔｈｏｒ：ＺＨＡＮＧ　Ｄｅｎｇｙｉ，ｐｒｏｆｅｓｓｏｒ，ｓｐｅｃｉａｌｉｚｅｓ　ｉｎ　ｔｈｅ　ｔｈｅｏｒｉｅｓ　ａｎｄ　ｍｅｔｈｏｄｓ　ｏｆ　ｐａｔｔｅｒｎ　ｒｅｃｏｇｎｉｔｉｏｎ，ｍｕｌｔｉｍｅｄｉａ　ｔｅｃｈｎｏｌｏｇｙ，ｃｏｍｐｕｔ－ｅｒ　ｖｉｓｉｏｎ　ａｎｄ　ｉｍａｇｅ　ｐｒｏｃｅｓｓｉｎｇ．Ｅ－ｍａｉｌ：ｄｙｚｈａｎｇｗｈｕ＠１６３．ｃｏｍＣｏｒｒｅｓｐｏｎｄｉｎｇ　ａｕｔｈｏｒ：ＷＡＮＧ　Ｑｉａｎ，ＰｈＤ　ｃａｎｄｉｄａｔｅ．Ｅ－ｍａｉｌ：ｗｑ１９８４ａ＠ｑｑ．ｃｏｍＦｏｕｎｄａｔｉｏｎ　ｓｕｐｐｏｒｔ：Ｓｃｉｅｎｔｉｆｉｃ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｉｃａｌ　Ｐｒｏｊｅｃｔ　ｉｎ　Ｈｕｂｅｉ　Ｐｒｏｖｉｎｃｅ，Ｎｏ．２０１４ＢＡＡ１４９．０９ 关 键 词： 进行 部位 特征 重要性 人体 行人 识别 利用

 天天文库所有资源均是用户自行上传分享，仅供网友学习交流，未经上传用户书面授权，请勿作他用。