[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

本發明公開了一種行人重識別方法及裝置，該行人重識別方法包括：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。本發明通過時空模型和自注意力機制對深度學習進行優化，通過提取視頻的時空信息能夠更有效地利用視頻信息，從而提高視頻行人重識別的準確率，通過自注意力機制，能夠使行人重識別模型在每一時刻關注到視頻內容的關鍵幀信息，提高行人重識別的準確率。

技術領域

本發明涉及視頻監控領域，具體涉及一種行人重識別方法及裝置。

背景技術

行人重識別是指在不同攝像頭場景下識別出行人身份的技術，是視頻監控分析技術中非常重要的一部分，在智能視頻監控、預防犯罪發生、維護社會治安等方面發揮著重要的作用。

近年來，深度學習的方法被廣泛應用圖像分類、目標識別等多個計算機視覺領域，相比于傳統人工設計方法，深度學習能夠取得更好的性能,然而由于監控視頻比較復雜，受到劇烈變化的光照、天氣、視角變換、行人姿態等因素的影響，以及成像設備分辨率差的影響，使得在不同攝像頭下識別出同一行人比較困難，行人重識別準確率低。

發明內容

因此，本發明要解決的技術問題在于克服現有技術中行人重識別準確率低缺陷，從而提供一種行人重識別方法及裝置。

根據第一方面，本發明實施例公開了一種行人重識別方法，該方法包括如下步驟：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。

結合第一方面，在第一方面第一實施方式中，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。

結合第一方面第一實施方式，在第一方面第二實施方式中，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。

結合第一方面第二實施方式，在第一方面第三實施方式中，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。

根據第二方面，本發明實施例還公開了一種行人重識別裝置，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。

結合第二方面，在第二方面第一實施方式中，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。

結合第二方面第一實施方式，在第二方面第二實施方式中，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。