本發(fā)明涉及行人再識別監(jiān)控領(lǐng)域，尤其是指一種適用于安防的監(jiān)控系統(tǒng)行人再識別方法。

背景技術(shù)：

視頻監(jiān)控系統(tǒng)很大的一個功能是用于安防領(lǐng)域，尤其是在治安事件發(fā)生或人員失蹤的情況下，需要對視頻圖像里面的特定人員進行識別。目前絕大部分都是依靠安?；蚓烊搜蹃碛^看視頻，但是隨著視頻監(jiān)控系統(tǒng)的普及，往往有大量的視頻數(shù)據(jù)，如果單純依靠人眼來辨別，不僅識別效率低，而且人員勞動強度大，容易產(chǎn)生疲勞和漏檢的情況。

針對此問題，本發(fā)明在行人檢測技術(shù)的基礎(chǔ)上，分析某個特定的人是否在監(jiān)控視頻中出現(xiàn)過，利用已經(jīng)存在的人體目標(biāo)圖像庫，當(dāng)場景或者時間變化的時候，首先檢測出監(jiān)控視頻中的行人，搜索樣本庫，將檢測到的行人與目標(biāo)圖像庫進行匹配，再次識別和確認(rèn)當(dāng)前查找的行人的身份。這種智能視頻監(jiān)控系統(tǒng)中行人再識別技術(shù)在視頻安防領(lǐng)域有極大的應(yīng)用空間和前景。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的缺點和不足，提供一種行之有效、科學(xué)合理的適用于安防的監(jiān)控系統(tǒng)行人再識別方法。

為實現(xiàn)上述目的，本發(fā)明所提供的技術(shù)方案為：一種適用于安防的監(jiān)控系統(tǒng)行人再識別方法，首先，在需要監(jiān)控的地方安裝攝像頭，并與監(jiān)控主機進行網(wǎng)絡(luò)連接；然后構(gòu)建樣本庫，該樣本庫包括行人樣本ID、行人樣本出現(xiàn)的時間、樣本特征向量、攝像頭位置及一張行人樣本圖片；接著，對目標(biāo)人員的圖片進行預(yù)處理，并提取特征向量；將目標(biāo)人員的特征向量與樣本庫中所有樣本特征向量進行比對，計算相似性度量；最后，列出多個相似度最高的樣本，并從樣本庫中的出現(xiàn)信息顯示出來，以此確認(rèn)當(dāng)前查找的目標(biāo)人員曾經(jīng)是否出現(xiàn)、何時出現(xiàn)在何處；其中，所述出現(xiàn)信息是指樣本庫中該樣本ID出現(xiàn)過的所有時間、攝像頭位置和一張圖片。

所述樣本庫構(gòu)建過程如下為：首先，各攝像頭拍攝的行人圖片實時傳輸?shù)奖O(jiān)控主機進行實時識別和圖片預(yù)處理，計算出行人樣本特征值，該行人樣本特征值是通過將輸入的行人圖像預(yù)處理后轉(zhuǎn)換為HSV格式，統(tǒng)計所述格式的圖像內(nèi)的各種顏色的像素數(shù)量獲得的；其次，將行人樣本特征值與樣本庫中所有已有樣本的特征值向量進行比對，若在樣本庫中某個樣本與此行人圖片判定為同一人，則只需增加此樣本ID的拍攝的時間、攝像頭位置及一張圖片；若未在樣本庫中找到一個樣本與此行人判定為同一人，則需要進行新的ID編碼，同時記錄時間、攝像頭位置及一張圖片。

對目標(biāo)人員的圖片進行預(yù)處理包括以下內(nèi)容：

1)采用領(lǐng)域平均法來減少噪聲；

2)采用Hough變換檢測出行人是否傾斜，然后對圖像進行水平校正；

3)采用基于HSV色彩空間的去陰影法和基于LBP算子的去陰影方相結(jié)合的方法，去除運動目標(biāo)的陰影；

4)采用平均值法對圖像進行灰度化處理；

5)采用直方圖修正法使圖像具有期望的灰度分布。

本發(fā)明與現(xiàn)有技術(shù)相比，具有如下優(yōu)點與有益效果：

1、本發(fā)明可為安保人員搜尋目標(biāo)人員提供幫助，通過將目標(biāo)人員與樣本庫進行比對，可快速將最接近的多個樣本信息呈現(xiàn)出來，協(xié)助安保人員進一步分析判斷目標(biāo)人員是否曾經(jīng)進出目標(biāo)地，從而極大提高效率。

2、本發(fā)明可代替人工觀看監(jiān)控視頻，降低勞動強度，提高檢索效率，提高安保系統(tǒng)應(yīng)用價值，具有較好的可行性和很大實際推廣價值。

附圖說明

圖1為本發(fā)明的步驟框架圖。

圖2為本發(fā)明的圖片預(yù)處理流程圖。

具體實施方式

下面結(jié)合具體實施例對本發(fā)明做進一步的說明。

如圖1所示，本實施例所述的監(jiān)控系統(tǒng)行人再識別方法，其具體情況如下：

首先，在各大樓出入口或樓梯等關(guān)鍵節(jié)點安裝攝像頭，并與監(jiān)控主機進行網(wǎng)絡(luò)連接進行調(diào)試。然后開始構(gòu)建樣本庫，該樣本庫包括行人樣本ID、行人樣本出現(xiàn)的時間、樣本特征向量、攝像頭位置及一張行人樣本圖片，所述樣本庫構(gòu)建過程如下為：各攝像頭拍攝的行人圖片實時傳輸?shù)奖O(jiān)控主機進行實時識別和圖片預(yù)處理，計算出行人樣本特征值，該行人樣本特征值是通過將輸入的行人圖像預(yù)處理后轉(zhuǎn)換為HSV格式，統(tǒng)計所述格式的圖像內(nèi)的各種顏色的像素數(shù)量獲得的；其次，將行人樣本特征值與樣本庫中所有已有樣本的特征值向量進行比對，若在樣本庫中某個樣本與此行人圖片判定為同一人，則只需增加此樣本ID的拍攝的時間、攝像頭位置及一張圖片；若未在樣本庫中找到一個樣本與此行人判定為同一人，則需要進行新的ID編碼，同時記錄時間、攝像頭位置及一張圖片。

在進行某目標(biāo)人員再識別時，首先對目標(biāo)人員的圖片進行預(yù)處理，提取特征向量；然后將目標(biāo)人員的特征向量與樣本庫中所有樣本特征向量進行比對，計算相似性度量；最后，列出5個相似度最高的樣本，并從樣本庫中的時間、攝像頭位置及一張圖片等信息顯示出來，以協(xié)助安保人員快速確認(rèn)目標(biāo)人員是否出現(xiàn)在大樓，大量減少安保人員觀看視頻的時間和精力。

如圖2所示，對目標(biāo)人員的圖片進行預(yù)處理包括以下內(nèi)容：

1)采用領(lǐng)域平均法來減少噪聲；

2)采用Hough變換檢測出行人是否傾斜，然后對圖像進行水平校正；

3)采用基于HSV色彩空間的去陰影法和基于LBP算子的去陰影方相結(jié)合的方法，去除運動目標(biāo)的陰影；

4)采用平均值法對圖像進行灰度化處理；

5)采用直方圖修正法使圖像具有期望的灰度分布。

以上所述實施例只為本發(fā)明之較佳實施例，并非以此限制本發(fā)明的實施范圍，故凡依本發(fā)明之形狀、原理所作的變化，均應(yīng)涵蓋在本發(fā)明的保護范圍內(nèi)。