[發(fā)明專利]一種基于視頻檢測(cè)的行人重識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910434555.X
• 申請(qǐng)日: 2019-05-23
• 公開（公告）號(hào): CN110232330B
• 公開（公告）日: 2020-11-06
• 發(fā)明（設(shè)計(jì)）人: 薛麗敏;馮瑞;蔣龍泉
• 申請(qǐng)（專利權(quán)）人: 復(fù)鈞智能科技（蘇州）有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06T7/254;G06T7/269
• 代理公司: 上海德昭知識(shí)產(chǎn)權(quán)代理有限公司 31204
• 代理人: 郁旦蓉

本發(fā)明提供了一種基于視頻檢測(cè)的行人重識(shí)別方法，其特征在于，包括如下步驟：步驟S1，利用幀間差分法獲取待測(cè)視頻的關(guān)鍵幀；步驟S2，基于檢測(cè)網(wǎng)絡(luò)提取關(guān)鍵幀中的關(guān)鍵深度特征；步驟S3，基于光流網(wǎng)絡(luò)提取非關(guān)鍵幀中的非關(guān)鍵深度特征以及相對(duì)應(yīng)的手工特征；步驟S4，根據(jù)關(guān)鍵深度特征、非關(guān)鍵深度特征以及手工特征進(jìn)行相似度計(jì)算構(gòu)建行人重識(shí)別模型；步驟S5，通過行人重識(shí)別模型對(duì)每個(gè)待測(cè)視頻進(jìn)行分析，獲取目標(biāo)行人在每個(gè)待測(cè)視頻中的位置信息和時(shí)間信息，并進(jìn)行排序；步驟S6，通過行人重識(shí)別模型對(duì)所有待測(cè)視頻進(jìn)行分析，獲取每個(gè)待測(cè)視頻中目標(biāo)行人出現(xiàn)的概率，并進(jìn)行排序；步驟S7，根據(jù)排序結(jié)果繪制目標(biāo)行人在預(yù)定監(jiān)控場(chǎng)景中出現(xiàn)的軌跡。

技術(shù)領(lǐng)域

本發(fā)明涉及視頻監(jiān)控技術(shù)領(lǐng)域，尤其涉及一種基于視頻檢測(cè)的行人重識(shí)別方法。

背景技術(shù)

監(jiān)控視頻被廣泛應(yīng)用于地鐵、機(jī)場(chǎng)、交通路口，成為安防的重要工具，其工作原理是對(duì)視頻中重點(diǎn)行人目標(biāo)進(jìn)行檢測(cè)，通過攝像頭確切的GPS定位系統(tǒng)及出現(xiàn)時(shí)間點(diǎn)，獲得該行人目標(biāo)在整個(gè)場(chǎng)景中的出現(xiàn)軌跡。然而在實(shí)際應(yīng)用場(chǎng)景中，事前預(yù)防、事后核查工作往往靠人工審查，效率低，時(shí)間長(zhǎng)，因此實(shí)現(xiàn)對(duì)行人的跨鏡頭自動(dòng)識(shí)別，進(jìn)而獲得每個(gè)行人對(duì)象在整個(gè)監(jiān)控場(chǎng)景中的出現(xiàn)軌跡，實(shí)現(xiàn)跟蹤是相當(dāng)必要的。

行人重識(shí)別是指在多個(gè)不同的攝像頭視頻中，查找某個(gè)特定的行人在哪些攝像頭中出現(xiàn)過，涉及到場(chǎng)景中的行人檢測(cè)工作、特征提取工作，兩個(gè)行人的特征相似度度量工作。然而在實(shí)際的行人重識(shí)別科研工作中，特征提取及相似性度量通常采用通過人工標(biāo)注或檢測(cè)算法得到的行人圖片作為數(shù)據(jù)集，與行人檢測(cè)獨(dú)立進(jìn)行，往往很難應(yīng)用到實(shí)際的視頻場(chǎng)景中(可以參考文章Mengyue Geng,Yaowei Wang,Tao Xiang,Yonghong Tian.Deeptransfer learning for person reidentification[J].arXiv preprint arXiv:1611.05244,2016.)。

與圖片檢測(cè)相比，視頻中會(huì)存在運(yùn)動(dòng)模糊、攝像頭失焦或是目標(biāo)物體的怪異姿態(tài)、嚴(yán)重遮擋等現(xiàn)象，而基于這些現(xiàn)象的檢測(cè)重識(shí)別不僅會(huì)造成網(wǎng)絡(luò)的負(fù)載，更會(huì)大大降低模型的準(zhǔn)確率，為了解決這些問題，一般以固定的步長(zhǎng)提取視頻幀作為關(guān)鍵幀，其他幀作為非關(guān)鍵幀，利用基于光流網(wǎng)絡(luò)提取的時(shí)序信息對(duì)非關(guān)鍵幀的內(nèi)容進(jìn)行推斷及像素點(diǎn)補(bǔ)充(可以參考文章：Xizhou Zhu，Yuwen Xiong，Jifeng Dai，Lu Yuan.Deep Feature Flow forVideo Recognition.arXiv:1611.07715v2,2017)，但由于光流網(wǎng)絡(luò)的不準(zhǔn)確性及關(guān)鍵幀步長(zhǎng)的不同，會(huì)在一定程度上影響下文信息的補(bǔ)充是否完整。

發(fā)明內(nèi)容

為解決上述問題，本發(fā)明采用了如下技術(shù)方案：

本發(fā)明提供了一種基于視頻檢測(cè)的行人重識(shí)別方法，用于根據(jù)預(yù)定監(jiān)控場(chǎng)景內(nèi)拍攝的多個(gè)由圖像幀構(gòu)成的待測(cè)視頻對(duì)預(yù)定監(jiān)控場(chǎng)景內(nèi)的目標(biāo)行人進(jìn)行識(shí)別，其特征在于，包括如下步驟：

步驟S1，讀取待測(cè)視頻中的圖像幀，利用幀間差分法對(duì)圖像幀進(jìn)行計(jì)算，將圖像幀中差分強(qiáng)度局部最大值所對(duì)應(yīng)的圖像幀作為待測(cè)視頻的關(guān)鍵幀；

步驟S2，基于檢測(cè)網(wǎng)絡(luò)提取關(guān)鍵幀中目標(biāo)行人的特征，作為關(guān)鍵深度特征；

步驟S3，將圖像幀中其余的圖像幀作為非關(guān)鍵幀，基于光流網(wǎng)絡(luò)提取非關(guān)鍵幀中目標(biāo)行人的相關(guān)特征，作為非關(guān)鍵深度特征以及相對(duì)應(yīng)的手工特征；

步驟S4，對(duì)關(guān)鍵深度特征、非關(guān)鍵深度特征以及手工特征進(jìn)行相似度計(jì)算，并根據(jù)相似度計(jì)算的結(jié)果來構(gòu)建行人重識(shí)別模型。

步驟S5，通過行人重識(shí)別模型對(duì)每個(gè)待測(cè)視頻進(jìn)行分析，獲取目標(biāo)行人在每個(gè)待測(cè)視頻中的位置信息和時(shí)間信息，并且對(duì)每個(gè)待測(cè)視頻中的目標(biāo)行人的位置信息和時(shí)間信息進(jìn)行排序；