[發明專利]基于外貌特征緊湊表示的視頻行人再識別方法及系統

在審

• 申請號: 201710160916.7
• 申請日: 2017-03-17
• 公開（公告）號: CN107122707A
• 公開（公告）日: 2017-09-01
• 發明（設計）人: 張偉;胡勝男;馬靜;李雪奧
• 申請（專利權）人: 山東大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 濟南圣達知識產權代理有限公司37221
• 代理人: 張勇

1.一種基于外貌特征緊湊表示的視頻行人再識別方法，其特征在于，包括：

提取行人視頻中的光流曲線，進而得到行人步態的周期曲線，再根據步態周期進行隨機選取行人步態的周期曲線中若干關鍵幀；

將選取的每個關鍵幀輸入卷積神經網絡來對行人外貌特征進行提取；

將提取的所有關鍵幀相對應的行人外貌特征融合為一個特征向量，進而構建出特征池；

提取特征池內的特征向量進行距離尺度算法學習，使得同一行人特征之間的距離減小，而不同行人特征之間的距離增加，然后將距離尺度算法學習后的特征向量進行匹配與排序，從而實現行人的再次識別。

2.如權利要求1所述的一種基于外貌特征緊湊表示的視頻行人再識別方法，其特征在于，選取行人步態的周期曲線中4個關鍵幀。

3.如權利要求1所述的一種基于外貌特征緊湊表示的視頻行人再識別方法，其特征在于，其特征在于，將提取的所有關鍵幀相對應的行人外貌特征融合為一個特征向量的過程中，通過提取每個關鍵幀中的最大值來將每幀中的顯著特征提取并融合。

4.如權利要求1所述的一種基于外貌特征緊湊表示的視頻行人再識別方法，其特征在于，在提取特征池內的特征向量進行距離尺度算法學習的過程中，通過計算一個行人的一組中每個特征向量到另一個行人的一組特征向量的最小距離，并取這些距離的平均值作為兩個行人特征之間的距離。

5.一種基于外貌特征緊湊表示的視頻行人再識別系統，其特征在于，包括：

關鍵幀選取模塊，其用于提取行人視頻中的光流曲線，進而得到行人步態的周期曲線，再根據步態周期進行隨機選取行人步態的周期曲線中若干關鍵幀；

行人外貌特征提取模塊，其用于將選取的每個關鍵幀輸入卷積神經網絡來對行人外貌特征進行提取；

特征池構建模塊，其用于將提取的所有關鍵幀相對應的行人外貌特征融合為一個特征向量，進而構建出特征池；

距離尺度算法學習模塊，其用于提取特征池內的特征向量進行距離尺度算法學習，使得同一行人特征之間的距離減小，而不同行人特征之間的距離增加，然后將距離尺度算法學習后的特征向量進行匹配與排序，從而實現行人的再次識別。

6.如權利要求5所述的一種基于外貌特征緊湊表示的視頻行人再識別系統，其特征在于，在所述關鍵幀選取模塊中，選取行人步態的周期曲線中4個關鍵幀。

7.如權利要求5所述的一種基于外貌特征緊湊表示的視頻行人再識別系統，其特征在于，其特征在于，在所述特征池構建模塊中，通過提取每個關鍵幀中的最大值來將每幀中的顯著特征提取并融合。

8.如權利要求5所述的一種基于外貌特征緊湊表示的視頻行人再識別系統，其特征在于，在所述距離尺度算法學習模塊中，通過計算一個行人的一組中每個特征向量到另一個行人的一組特征向量的最小距離，并取這些距離的平均值作為兩個行人特征之間的距離。

9.一種基于外貌特征緊湊表示的視頻行人再識別系統，其特征在于，包括：

行人視頻采集裝置，其被配置為采集行人視頻信息，并傳送至服務器；

所述服務器，其被配置為：

提取行人視頻中的光流曲線，進而得到行人步態的周期曲線，再根據步態周期進行隨機選取行人步態的周期曲線中若干關鍵幀；

將選取的每個關鍵幀輸入卷積神經網絡來對行人外貌特征進行提取；

將提取的所有關鍵幀相對應的行人外貌特征融合為一個特征向量，進而構建出特征池；

提取特征池內的特征向量進行距離尺度算法學習，使得同一行人特征之間的距離減小，而不同行人特征之間的距離增加，然后將距離尺度算法學習后的特征向量進行匹配與排序，從而實現行人的再次識別。

10.如權利要求9所述的一種基于外貌特征緊湊表示的視頻行人再識別系統，其特征在于，所述服務器還被配置為：選取行人步態的周期曲線中4個關鍵幀；

或所述服務器還被配置為：通過提取每個關鍵幀中的最大值來將每幀中的顯著特征提取并融合；

或所述服務器還被配置為：通過計算一個行人的一組中每個特征向量到另一個行人的一組特征向量的最小距離，并取這些距離的平均值作為兩個行人特征之間的距離。