[發明專利]一種基于時空數據融合的行人再識別方法

有效

• 申請號: 201911033476.4
• 申請日: 2019-10-28
• 公開（公告）號: CN110796074B
• 公開（公告）日: 2022-08-12
• 發明（設計）人: 蔡曉東;韓宇
• 申請（專利權）人: 桂林電子科技大學
• 主分類號: G06V40/20
• 分類號: G06V40/20;G06V10/74;G06K9/62;G06V10/764;G06V10/80
• 代理公司: 濟南智圓行方專利代理事務所(普通合伙企業) 37231
• 代理人: 劉景琛

本發明公開了一種基于時空數據融合的行人再識別方法，涉及模式識別技術領域，技術方案為，構建神經網絡模型；提取攝像頭拍攝行人圖片拍攝的時間信息；然后對該圖片進行深度學習獲得其中行人的特征；在判斷出相似的行人之后根據兩張圖片的攝像頭信息得出兩個攝像頭的距離，根據該兩圖片的時間差信息，結合攝像頭的距離得到該行人在這段時間內的大致速度作為行人的一個標簽；基于該行人的本身的特征以及與該行人速度相近的圖片進行聯系，最終得到該行人在某段時間內的某個區域中的行動軌跡圖進而尋找該行人。本發明通過時間間隔得到的行人速度以及在空間中的有限移動性來界定行人。并且在識別的過程中通過攝像頭的位置獲得該行人的大致行動路線。

技術領域

本發明涉及模式識別技術領域，特別涉及一種基于時空數據融合的行人再識別方法。

背景技術

行人識別技術是近些年來，在計算機視覺領域發展非常快速的一個方向，它的目的是通過不同的攝像頭拍攝的照片中能找到我們指定需要尋找的某一個行人，即判斷不同位置的攝像頭在不同的時間下捕捉到的是否為同一個行人。傳統的行人再識別是將檢測圖片直接通過CNN網絡提取特征值，然后再進行行人的重識別，這種方法使用起來在多方面的干擾下，識別效果準確率低下，識別效率低下，并且對于識別出來的行人沒有很好的跟蹤效果，給行人再識別的跟蹤工作帶來了較大的阻礙。

行人再識別的主要目的不僅僅是為了識別出不同圖片上的行人是不是同一個人，而是更多是為了識別并追蹤定位行人以便更好的查找到特定行人。行人再識別在不斷從新的圖片中識別到同一個人的過程中，這個行人周圍的環境是會改變的，但是拍攝這個行人的是固定的攝像頭，因此可以通過拍攝到行人的攝像頭來對行人進行分類，但是一個區域中的攝像頭數目巨大且拍攝的圖片時間跨度大，數量多，不過行人識別也會在時間上有限制，行人一定時間內的移動距離不會太大，所以可以根據網絡來推測行人的行人方式來縮小識別的范圍。該方法的優點在于可以加快行人再識別的速度并且能推測出行人的行動路線。但是這個方法只能用于一定區域內，且區域內攝像頭的密度不能太小，行人的再識別到時間間隔會很大，則網絡對于最終的結果產生誤差。

發明內容

針對上述技術問題，本發明提供一種能對一個區域內的行人進行識別分類，能有效快速的定位所需要查詢的人物。提高了識別的效率和準確性的基于時空數據融合的行人再識別方法。

其技術方案為，一種基于時空數據融合的行人再識別方法，包括：

S1、通過攝像頭進行行人圖像采集，并保存采集到的圖像，在保存圖片時，設置圖片命名格式為攝像頭編號及時間組合，作為這個攝像頭拍攝到的圖片的特征；

S2、構建深度學習神經網絡模型；

S3、將S1保存的圖片通過行人檢測的網絡獲取其中行人的部分，通過深度學習訓練使網絡學習能夠得到行人圖片的特征值，并添加這個行人圖像的時空信息；

S4、輸入待檢索的目標行人圖像，將起始尋找目標行人的攝像頭定義為攝像頭A，通過攝像頭A進行目標行人圖片采集，在攝像頭A周圍的A相鄰攝像頭圖片庫中進行檢索，A相鄰攝像頭為所有與攝像頭A相鄰的攝像頭，檢索范圍為基于深度學習得到目標行人圖片的相似行人圖片，將檢索得到所述相似行人圖片的攝像頭定義為攝像頭B，通過該相似行人圖片的時空信息計算出目標行人移動速度；

S5、將檢索范圍更新為攝像頭B的B相鄰攝像頭，B相鄰攝像頭為所有與攝像頭B相鄰的攝像頭，基于S4中得出的目標行人移動速度、該目標行人圖片采集的時間，以及所述攝像頭B和各個B相鄰攝像頭之間的距離，推算出目標行人由攝像頭B經過每個B相鄰攝像頭的時間范圍，然后優先檢索各個B相鄰攝像頭中的這個時間范圍中采集到的所有行人圖片，最后檢索得出與目標行人圖片對應的相似行人圖片，將檢索到相似行人圖片的攝像頭重新更新為新的攝像頭B；

S6、通過S5檢索出的相似行人圖片，以S5獲取的相似行人圖片的特征值為標準繼續檢測，重復步驟S5；