行人再识别技术及其的应用.docVIP

行人再识别技术及其的应用 　　摘要：行人再识别技术随着视频监控技术的发展和视频侦查的需求既有实际的应用价值，也有理论研究意义。该文对行人在识别技术的问题范畴进行了界定，对目前行人再识别的三种主要方法基于生物特征、特征表示、度量学习分别进行论述，最后对行人再识别技术的应用场景进行了分析。 　　关键词：行人再识别；量学习 　　中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2017）36-0168-02 　　随着人们对社会公共安全的需求以及视频采集、存储技术的发展，我国大部分公共安场所都安装了大量监控摄像头，这些监控系统一方面对犯罪分子进行威慑，一方面让公安机关通过终端可以进行现场监控，并为预防和侦破相关案件提供线索。但随着海量增长的监控视频，人工进行监控和排查已经变得几乎不可能。尤其是需要追查一些大案要案的通缉犯及暴力恐怖分子时，需要耗费大量的人力和时间，而且还容易疏漏，因此利用一定技术手段对监控视频中的目标尤其是行人识别认定的需求就应运而生。 　　1 行人再识别问题及其难点 　　行人再识别也称行人重识别，简单地说，是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术。广泛意义上，可以认为是一个图像检索的子问题， 即给定一个监控摄像头拍摄的行人图像，检索该行人图像是否在其他摄像头拍摄的行人图像中出现，给定行人图像的摄像头与检索图像的摄像头没有视域的重合，这样导致它主要面临的挑战，如图1所示。一是同一个人在不同摄像头下的人像再识别时，因在不同摄像头拍摄的视角、远近、光照、人的姿态都发生了变化，导致同一个人在不同摄像头下拍摄的人像相似度很低，因此提取一个不变的特征就变得很困难。二是不同的行人有可能所穿的衣服颜色相同，身形很相似，很容易被识别为同一个人。行人再识别本质上来说是基于人的外观形体的一个相似性比较，人的外观形体既具有刚性的特性，也具有柔性的特性，很容易所穿的衣服、视角、尺度等的影响，所以行人再识别是一个极具挑战性的课题。 　　2 行人再识别的主要技术 　　行人再识别任务其实应该包括两个流程（如图2）所示，第一就是从图像或视频中检测出行人，第二，提取行人特征，做相似性度量。第一个问题即行人检测，已经独立作为一个课题进行了深入的研究，一般在做行人再识别时是直接采用行人剪裁好的人像图片进行比对，有利于集中讨论特征提取和相似性度量。 　　目前行人再识别问题的研究主要集中在这三个方面：基于生物特征识别方法、基于特征的描述方法，和基于距离度量学习的方法。 　　2.1 生物特征识别 　　生物特征识别是指利用人体固有的生理特征或行为特征来进行个人身份鉴别认证的技术。常用的生物特征识别技术所用的生物特征有基于生理特征的如人脸、声纹、指纹、视网膜，也有基于后天形成的行为特征如签名、笔迹、步态。在视频监控中常用的就是人脸和步态识别。在有效可控的环境下，人脸识别技术已经成为一项相对可靠的技术，广泛应用在多个生活场景中，如支付宝，安防门禁等。步态识别也开始在小范围内进行运行测试。人脸识别和步态识别这两种方法都要求摄像机具有较高的分辨率，需要清晰的人脸图像或完整的步态周期，认证的约束条件比较严格，在真实的视频监控场景中很难满足，因此，目前关于行人再识别的研究主要是针对后两种方法。 　　2.2 特征表示方法 　　特征表示的方法关键在于设计或选择一个鲁棒的行人外观特征的表示，这些特征不但要能够很好地区分不同行人，而且要能够使相同行人在不同摄像机间人像不受光照和视角变化的影响。这种方法中常用的行人特征主要有二类。 　　一是基于颜色、纹理、形状的低层次特征。最常用且有效的特征是颜色直方图特征，如RGB、HSV等；更普遍的方法是把人体划分成多个区域，在不同的区域上提取将颜色特征、纹理特征Haar、形状特征HOG、局部特征（局部不变特征SIFT、SURF），将这些特征组合起来表示行人。在计算这些特征表示向量相似性时，常常采用欧氏距离、余弦距离等经典的距离函数。基于特征表示的行人再识别方法好多学者提出了很好的解决方法。文献[1]提出了一种按照人体结构将人体划分为不同区域的特征表示方法。通过在垂直和水平两个方向上划分，将人体分成头部、左部躯干、右部躯干、左下肢、右下肢五个部分。因头部区域通常在视频中较为模糊而忽略，在其他四个部分提取颜色直方图以及纹理特征。分别对不同的特征采用不同的距离函数计算距离，最终距离按照不同的权重将不同特征的距离加权求和得到一个总的表示。 　　二是基于中高层的语义属性。通过提取两张图片的语义信息来判断图片中的人像是否是同一个人，常用的有颜色、行人所穿的衣服、是否携带物品等信息。如行人是否戴帽子、戴眼镜、背包基于语义属性的优点是相同的行人在不同的摄像头下拍摄的人像，语义信息很少变化