[發明專利]一種行人重識別方法及裝置在審
| 申請號: | 201911259371.0 | 申請日: | 2019-12-10 |
| 公開(公告)號: | CN111738043A | 公開(公告)日: | 2020-10-02 |
| 發明(設計)人: | 鄧練兵;陳金鹿;薛劍 | 申請(專利權)人: | 珠海大橫琴科技發展有限公司 |
| 主分類號: | G06K9/00 | 分類號: | G06K9/00 |
| 代理公司: | 北京三聚陽光知識產權代理有限公司 11250 | 代理人: | 羅嘯 |
| 地址: | 519000 廣東省珠海市橫琴新*** | 國省代碼: | 廣東;44 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 行人 識別 方法 裝置 | ||
1.一種行人重識別方法,其特征在于,包括如下步驟:
獲取待識別圖像集;
根據時空模型對所述待識別圖像集進行提取,得到第一待識別圖像集;
根據所述第一待識別圖像集得到目標待識別圖像集;
獲取所述目標待識別圖像集的第一目標特征;
根據自注意力機制及行人重識別模型對所述第一目標特征進行行人重識別,得到識別結果。
2.根據權利要求1所述的方法,其特征在于,所述根據所述第一待識別圖像集得到目標待識別圖像集,包括:
對所述第一待識別圖像集進行行人檢測,得到第二待識別圖像集;
對所述第二待識別圖像集進行篩選,得到所述目標識別圖像集。
3.根據權利要求2所述的方法,其特征在于,通過以下步驟建立所述時空模型:
根據所述待識別圖像獲取時空信息,所述時空信息包括攝像設備的空間信息和所述行人時間信息;
根據所述時空信息構建時空模型。
4.根據權利要求3所述的方法,其特征在于,通過以下步驟建立所述行人重識別模型:
獲取訓練圖像集;
獲取所述訓練圖像集的第二目標特征;
根據所述第二目標特征和所述自注意力機制對神經網絡模型進行訓練,得到所述行人重識別模型。
5.一種行人重識別裝置,其特征在于,包括:
第一獲取模塊,用于獲取待識別圖像集;
第一待識別圖像集獲取模塊,用于根據時空模型對所述待識別圖像集進行提取,得到第一待識別圖像集;
目標待識別圖像集獲取模塊,用于根據所述第一待識別圖像集得到目標待識別圖像集;
第二獲取模塊,用于獲取所述目標待識別圖像集的第一目標特征;
識別模塊,用于根據自注意力機制和行人重識別模型對所述第一目標特征進行行人重識別,得到識別結果。
6.根據權利要求5所述的裝置,其特征在于,所述目標待識別圖像集獲取模塊包括:
第二待識別圖像集獲取模塊,用于對所述第一待識別圖像集進行行人檢測,得到第二待識別圖像集;
目標待識別圖像集子模塊,用于對所述第二待識別圖像集進行篩選,得到所述目標待識別圖像集。
7.根據權利要求6所述的裝置,其特征在于,所述裝置還包括:
第三獲取模塊,用于根據所述待識別圖像集獲取時空信息,所述時空信息包括攝像設備的空間信息和所述行人時間信息;
構建模塊,用于根據所述時空信息構建時空模型。
8.根據權利要求7所述的裝置,其特征在于,所述裝置還包括:
第四獲取模塊,用于獲取訓練圖像集;
第五獲取模塊,用于獲取所述訓練圖像集的第二目標特征;
訓練模塊,用于根據所述第二目標特征和所述自注意力機制對神經網絡模型進行訓練,得到所述行人重識別模型。
9.一種電子設備,其特征在于,包括:至少一個處理器;以及與所述至少一個處理器通信連接的存儲器;其中,所述存儲器存儲有可被所述一個處理器執行的指令,所述指令被所述至少一個處理器執行,以使所述至少一個處理器執行如權利要求1至4任一所述行人重識別方法。
10.一種計算機可讀存儲介質,其上存儲有計算機指令,其特征在于,該指令被處理器執行時實現如權利要求1至4任一所述行人重識別方法。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于珠海大橫琴科技發展有限公司,未經珠海大橫琴科技發展有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201911259371.0/1.html,轉載請聲明來源鉆瓜專利網。





