最小均衡化后的行人重识别

为解决实际监控场景中的行人重识别技术的智能应用,考虑到行人图像拍摄角度不断变化的情况,将颜色和纹理等特征进行融合,利用部分局部块提取图像特征;针对行人轮廓不清晰,提出在纹理特征提取前实现直方图均衡化的方法;通过对图像进行两次下采样,使算法具有更好的比例尺度不变性.与现有的局部最大概率(local maximal occurrence,LOMO)特征与跨视图二次鉴别分析(cross-view quadratic discriminant analysis,XQDA)方法结合的重识别方法进行对比,结果表明,在数据集VIPeR、PKU-Reid和i-LIDS-VID上重识别率rank1分别提高了0.28％、1.75％和0.20％,证明采用最小均衡化后的行人重识别率得到了提升.