[發(fā)明專利]一種基于聚類算法的行人重識(shí)別方法和裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201810936258.0
• 申請(qǐng)日: 2018-08-16
• 公開(kāi)（公告）號(hào): CN109034109B
• 公開(kāi)（公告）日: 2021-03-23
• 發(fā)明（設(shè)計(jì)）人: 祁翰林
• 申請(qǐng)（專利權(quán)）人: 新智數(shù)字科技有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62
• 代理公司: 北京嘉科知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 11687
• 代理人: 楊波

本發(fā)明公開(kāi)了一種基于聚類算法的行人重識(shí)別方法和裝置，該行人重識(shí)別方法包括：S1：對(duì)不同場(chǎng)景下的每一個(gè)行人的行人特征進(jìn)行提取；S2：根據(jù)場(chǎng)景的數(shù)量以及每一個(gè)場(chǎng)景中行人的數(shù)量建立一個(gè)二維矩陣；S3：根據(jù)建立的二維矩陣，獲得不同場(chǎng)景下行人特征的二維距離矩陣；S4：對(duì)二維距離矩陣進(jìn)行密度聚類，輸出距離小于預(yù)設(shè)閾值的特征集合；輸出的每一個(gè)特征集合為一個(gè)行人在不同場(chǎng)景下的行人特征；S5：將輸出的特征集合標(biāo)注在對(duì)應(yīng)的場(chǎng)景中，獲得同一行人在不同場(chǎng)景中的位置。本發(fā)明能夠在多個(gè)場(chǎng)景下對(duì)同一行人進(jìn)行特征重識(shí)別，能夠在不指定行人特征數(shù)目的情況下通過(guò)聚類的方法，識(shí)別出重復(fù)出現(xiàn)的行人特征。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)技術(shù)領(lǐng)域，特別涉及一種基于聚類算法的行人重識(shí)別方法和裝置。

背景技術(shù)

隨著人工智能技術(shù)和深度學(xué)習(xí)框架的普及，行人重識(shí)別越來(lái)越成為計(jì)算機(jī)視覺(jué)領(lǐng)域中的極富有挑戰(zhàn)性的話題。

在現(xiàn)有的技術(shù)中，大致可分為兩種方法，一種是基于顏色區(qū)域特征的行人重識(shí)別的方法，從視頻圖案中裁取出目標(biāo)矩形作為輸入圖像，經(jīng)前景提取和在線聚類提取到顏色區(qū)域，再將顏色區(qū)域的統(tǒng)計(jì)特征作為局部特征應(yīng)用于人物重識(shí)別；另一種是時(shí)空約束的監(jiān)控視頻行人重識(shí)別結(jié)果的二次優(yōu)化方法，采用基于人體外貌視覺(jué)特征的行人重識(shí)別算法，得到初始識(shí)別的結(jié)果，在通過(guò)視頻幀中提起的時(shí)間序列參數(shù)，計(jì)算機(jī)視覺(jué)匹配概率，路徑匹配概率及二者聯(lián)合概率，選擇聯(lián)合概率最大的路徑下的行人圖像輸出。

但是，基于顏色區(qū)域特征的行人重識(shí)別的方法，是以行人本身衣服顏色作為主要對(duì)比對(duì)象，這也就產(chǎn)生了對(duì)于多場(chǎng)景下顏色相近的行人重識(shí)別不夠明顯的問(wèn)題，對(duì)于行人的性別、年齡、發(fā)型、是否佩戴眼鏡、是否攜帶包等等這些特征都會(huì)欠缺考慮，另外對(duì)于同一行人在行進(jìn)途中服裝顏色的更換問(wèn)題也不能解決；而時(shí)空約束的監(jiān)控視頻行人重識(shí)別結(jié)果的二次優(yōu)化方法，要求圖像輸入過(guò)程首先要標(biāo)注上時(shí)間，對(duì)于時(shí)間節(jié)點(diǎn)分散的圖片會(huì)識(shí)別不出，其次對(duì)于空間也提出了要求，需要預(yù)先知道行人路徑，再按照時(shí)間順序進(jìn)行排序。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供了一種基于聚類算法的行人重識(shí)別方法和裝置，能夠在多個(gè)場(chǎng)景下對(duì)同一行人進(jìn)行特征重識(shí)別，能夠在不指定行人特征數(shù)目的情況下通過(guò)聚類的方法，識(shí)別出重復(fù)出現(xiàn)的行人特征。

第一方面，本發(fā)明實(shí)施例提供了一種基于聚類算法的行人重識(shí)別方法，該行人重識(shí)別方法包括：

S1：對(duì)不同場(chǎng)景下的每一個(gè)行人的行人特征進(jìn)行提取；

S2：根據(jù)場(chǎng)景的數(shù)量以及每一個(gè)場(chǎng)景中行人的數(shù)量建立一個(gè)二維矩陣；

S3：根據(jù)建立的二維矩陣，獲得不同場(chǎng)景下行人特征的二維距離矩陣；

S4：對(duì)二維距離矩陣進(jìn)行密度聚類，輸出距離小于預(yù)設(shè)閾值的特征集合；輸出的每一個(gè)特征集合為一個(gè)行人在不同場(chǎng)景下的行人特征。

優(yōu)選地，在步驟S4之后還包括：

將輸出的特征集合標(biāo)注在對(duì)應(yīng)的場(chǎng)景中，獲得同一行人在不同場(chǎng)景中的位置。

優(yōu)選地，步驟S1中提取的行人特征包括行人的坐標(biāo)、性別、膚色、年齡、發(fā)型、是否佩戴首飾、手否佩戴包及其種類、是否佩戴帽子及其種類、是否佩戴眼鏡、是否攜帶雨傘、是否佩戴面具中的一種或多種。

優(yōu)選地，步驟S3的具體過(guò)程包括：

根據(jù)建立的二維矩陣，將行人特征放入矩陣中成為二維矩陣的元素；

計(jì)算每個(gè)元素中兩個(gè)行人特征的距離，并將計(jì)算結(jié)果存入該二維矩陣獲得二維距離矩陣；

其中，將兩個(gè)同一場(chǎng)景中的行人特征之間的距離默認(rèn)為無(wú)限大。