CN105139427B - 一种适用于行人视频再识别的部件分割方法 - Google Patents

一种适用于行人视频再识别的部件分割方法 Download PDF

Info

Publication number
CN105139427B
CN105139427B CN201510574841.8A CN201510574841A CN105139427B CN 105139427 B CN105139427 B CN 105139427B CN 201510574841 A CN201510574841 A CN 201510574841A CN 105139427 B CN105139427 B CN 105139427B
Authority
CN
China
Prior art keywords
pedestrian
sample
component
dividing method
picture
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510574841.8A
Other languages
English (en)
Other versions
CN105139427A (zh
Inventor
黄玲
谭飞刚
施兆俊
罗晨伟
吴昊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN201510574841.8A priority Critical patent/CN105139427B/zh
Publication of CN105139427A publication Critical patent/CN105139427A/zh
Application granted granted Critical
Publication of CN105139427B publication Critical patent/CN105139427B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person

Abstract

本发明公开了一种适用于行人视频再识别的部件分割方法，包括如下步骤：(1)获取目标摄像机的基础视频数据；(2)构建行人样本数据库；(3)对数据库样本进行灰度变换；(4)获得行人样本平均图；(5)对行人样本平均图进行部件划分；(6)确定部件分割比例。本发明可以为不同摄像机的行人再识别算法提供具体部件分割依据，提高行人再识别算法的精度，具有实际推广价值。

Description

一种适用于行人视频再识别的部件分割方法
技术领域
本发明涉及交通视频检测领域，特别涉及一种适用于行人视频再识别的部件分割方法。
背景技术
视频行人再识别技术是指在监控视频中识别出某个特定的已经在监控网络中出现过的行人，即对监控网络中的同一个行人进行再次识别。
随着社会公共安全和视频采集技术的发展，大量的监控摄像头应用在商场、公园、学校、大型广场、地铁站等人流密集易发生公共安全事件的场所。人工已难以应对海量增长的监控视频，因此利用计算机对监控视频中的行人等进行再识别的需求应运而生。目前部件分割在行人再识别算法中应用的比较多，可较好提高识别效率，但尚未有相应的方法对目标摄像机的行人样本进行有效、合理的部件分割方法。
发明内容
为了克服现有技术存在的缺点与不足，本发明提供一种适用于行人视频再识别的部件分割方法。
本发明采用如下技术方案：
一种适用于行人视频再识别的部件分割方法，包括如下步骤：
S1获取目标摄像机拍摄的基础视频数据；
S2提取基础视频数据中的动态行人图像，进行归一化处理，构建行人图片样本数据库；
S3对行人图片样本数据库中的图片进行灰度变换，将变换后的样本图片进行叠加处理，得到行人样本平均图；
S4对行人样本平均图进行部件划分，所述部件包括头部、身体和腿部；
S5根据部件划分后的行人平均图，确定行人平均图中头部、身体及腿部的平均像素高的比例，即为目标摄像机的部件分割比例。
所述目标摄像机至少为一个，所述基础视频数据至少包含1000个行人样本。
所述S2中提取基础视频数据中的动态行人图像具体采用背景差分法获得，然后采用OpenCV中的Resize()函数将行人图片统一为64*128像素大小的样本。
所述S3中灰度转换采用OpenCV中的Cvtcolor()函数。
所述S3中的叠加处理是采用样本数据库中所有样本图像灰度矩阵Mi求平均值，获得灰度均值矩阵M，并将M输入OpenCV中的imshow()函数，从而获得行人样本平均图。
本发明的有益效果：
本发明方法可对单个或多个摄像机拍摄的行人样本图片进行分析；且方法简单易行，应用该方法充分考虑摄像机所拍摄的样本和环境的影响，可提高行人再识别算法的效率和进度，因此本发明具有很大的实际推广价值。
附图说明
图1为本发明的工作流程图；
图2为本发明的实施例的获取动态目标图片的流程图；
图3为本发明的实施例的良好样本实例图；
图4为本发明的实施例的获得行人样本平均图的流程图；
图5为本发明的实施例的行人样本平均图；
图6为本发明的实施例的行人样本平均图部件划分示意图。
具体实施方式
下面结合实施例及附图，对本发明作进一步地详细说明，但本发明的实施方式不限于此。
实施例
本实施例通过对某路段三个摄像机拍摄视频进行测试。
如图1-图6所示，一种适用于行人视频再识别的部件分割方法，包括如下步骤：
S1获取目标摄像机的各12小时的视频数据；
S2采用背景差分法提取基础视频数据中的动态行人图像，所述动态行人图像为行人全身图，包括头及腿部，行人的正面或者背面都可以，所述背景差分法具体为：
S2.1进行图像的预处理：主要包括对图像进行灰度化以及滤波。
S2.2背景建模：
根据前N帧图像的灰度值进行区间统计从而得到一个具有统计意义的初始背景，这里N＝2。
S2.3前景提取：
将当前最新的图像与背景做差，即可求得背景差图，然后对该图进行二值化，最终获得运动前景区域，即实现图像分割。
然后对提取动态目标图片，将图片中与行人无关的运动目标，例如车辆、自行车及行人阴影剔除，得到具有行人全身图片作为样本，同一个行人的样本不超过20个图片，如图3所示。
采用OpenCV中的Resize()函数将不同大小的行人样本图片统一为64*128像素大小的样本，形成行人样本数据库。
如图4所示，S3然后利用OpenCV中的Cvtcolor()函数，对数据库中的所有样本图片进行灰度变换，这样每个样本都获得一个对应的灰度矩阵Mi，然后将数据库中所有样本灰度矩阵Mi求平均值，获得样本灰度均值矩阵M，公式如下：
并将M输入OpenCV中的imshow()函数进行显示，从而获得行人样本平均图。
S4采用相关软件或人工对行人样本平均图的三个部件进行划分，获得不同部件的像素高，得到Hhead、Hbody和Hleg。如果通过相关软件或人工对样本平均图的三个部分进行多次划分，则每部分的像素高为多次划分的平均值。
S5根据部件划分后的行人平均图，确定行人平均图中头部、身体及腿部的平均像素高的比例，即为目标摄像机的部件分割比例。
本实施例中，首先获取三个摄像机的各12小时的视频数据，然后采用背景差分法获得动态目标图片，如图2所示。
然后对提取的动态目标图片，进行归一化处理，得到良好的样本，如图3所示。
图5为样本平均图，然后通过软件对行人样本平均图进行部件分割，其中一个摄像机的分割结果如图6所示，根据多次分割的结果，求平均值，得到Hhead＝18(像素)，Hbody＝48(像素)Hleg＝62(像素)；
最后再计算平均比例1:2.67:3.44，就是目标摄像机的部件分割比例。
然后按照此方法，分别求取另外两个摄像机的部件分割比例。
本发明对单个或多个摄像机拍摄的行人样本图片进行处理分析，获取行人样本平均图，最后确定行人样本部件分割比例。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受所述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (5)

1.一种适用于行人视频再识别的部件分割方法，其特征在于，包括如下步骤：
S1获取目标摄像机拍摄的基础视频数据；
S2提取基础视频数据中的动态行人图像，进行归一化处理，构建行人图片样本数据库；
S3对行人图片样本数据库中的图片进行灰度变换，将变换后的样本图片进行叠加处理，得到行人样本平均图；
S4对行人样本平均图进行部件划分，所述部件包括头部、身体和腿部；
S5根据部件划分后的行人平均图，确定行人平均图中头部、身体及腿部的平均像素高的比例，即为目标摄像机的部件分割比例。
2.根据权利要求1所述的部件分割方法，其特征在于，所述目标摄像机至少为一个，所述基础视频数据至少包含1000个行人样本。
3.根据权利要求1所述的部件分割方法，其特征在于，所述S2中提取基础视频数据中的动态行人图像具体采用背景差分法获得，然后采用OpenCV中的Resize()函数将行人图片统一为64*128像素大小的样本。
4.根据权利要求1所述的部件分割方法，其特征在于，所述S3中灰度转换采用OpenCV中的Cvtcolor()函数。
5.根据权利要求1所述的部件分割方法，其特征在于，所述S3中的叠加处理是采用样本数据库中所有样本图像灰度矩阵Mi求平均值，获得灰度均值矩阵M，并将M输入OpenCV中的imshow()函数，从而获得行人样本平均图。
CN201510574841.8A 2015-09-10 2015-09-10 一种适用于行人视频再识别的部件分割方法 Active CN105139427B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510574841.8A CN105139427B (zh) 2015-09-10 2015-09-10 一种适用于行人视频再识别的部件分割方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510574841.8A CN105139427B (zh) 2015-09-10 2015-09-10 一种适用于行人视频再识别的部件分割方法

Publications (2)

Publication Number Publication Date
CN105139427A CN105139427A (zh) 2015-12-09
CN105139427B true CN105139427B (zh) 2018-06-22

Family

ID=54724759

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510574841.8A Active CN105139427B (zh) 2015-09-10 2015-09-10 一种适用于行人视频再识别的部件分割方法

Country Status (1)

Country Link
CN (1) CN105139427B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106339725A (zh) * 2016-08-31 2017-01-18 天津大学 基于尺度不变特征和位置先验的行人检测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2610811A1 (en) * 2011-12-29 2013-07-03 Equifax, Inc. Determining a personalized fusion score
CN103853794A (zh) * 2012-12-07 2014-06-11 北京瑞奥风网络技术中心 一种基于部件关联的行人检索方法
CN104778453A (zh) * 2015-04-02 2015-07-15 杭州电子科技大学 一种基于红外行人亮度统计特征的夜间行人检测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2610811A1 (en) * 2011-12-29 2013-07-03 Equifax, Inc. Determining a personalized fusion score
CN103853794A (zh) * 2012-12-07 2014-06-11 北京瑞奥风网络技术中心 一种基于部件关联的行人检索方法
CN104778453A (zh) * 2015-04-02 2015-07-15 杭州电子科技大学 一种基于红外行人亮度统计特征的夜间行人检测方法

Also Published As

Publication number Publication date
CN105139427A (zh) 2015-12-09

Similar Documents

Publication Publication Date Title
US8248474B2 (en) Surveillance system and surveilling method
TWI358674B (zh)
CN102307274B (zh) 基于边缘检测和帧差法的运动检测方法
CN108229346B (zh) 使用有符号的前景提取与融合的视频摘要
CN105469397B (zh) 一种基于系数矩阵分析的目标遮挡检测方法
CN102034267A (zh) 基于关注度的目标物三维重建方法
CN103530638A (zh) 多摄像头下的行人匹配方法
WO2020114116A1 (zh) 一种基于密集人群的行人检测方法、存储介质及处理器
CN106709438A (zh) 一种基于视频会议的人数统计方法
CN109377494A (zh) 一种用于图像的语义分割方法和装置
CN108471497A (zh) 一种基于云台摄像机的船目标实时检测方法
CN111723773A (zh) 遗留物检测方法、装置、电子设备及可读存储介质
CN110866453B (zh) 基于卷积神经网络的实时人群稳定状态识别方法及装置
CN111860457A (zh) 一种斗殴行为识别预警方法及其识别预警系统
CN108898098A (zh) 基于监控平台的早期视频烟雾检测方法
CN111274864A (zh) 人群聚集的判断方法及人群聚集的判断装置
CN117274107B (zh) 低照度场景下端到端色彩及细节增强方法、装置及设备
CN105139427B (zh) 一种适用于行人视频再识别的部件分割方法
CN111723656B (zh) 一种基于YOLO v3与自优化的烟雾检测方法及装置
CN111626944B (zh) 一种基于时空金字塔网络和对抗自然先验的视频去模糊方法
CN110827375B (zh) 一种基于微光图像的红外图像真彩着色方法及系统
CN107707975A (zh) 基于监控平台的视频智能剪辑方法
CN102129692A (zh) 一种双门限场面运动目标检测方法及其系统
CN115797970B (zh) 基于YOLOv5模型的密集行人目标检测方法及系统
CN116229235A (zh) 一种基于热成像的人体姿态估计网络模型及估计方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant