[發(fā)明專利]行人再識別的方法、裝置、設備和計算機可讀存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202010594933.3
• 申請日: 2020-06-28
• 公開（公告）號: CN111783609A
• 公開（公告）日: 2020-10-16
• 發(fā)明（設計）人: 蔣旻悅;楊喜鵬;孫昊;譚嘯;章宏武;文石磊;丁二銳
• 申請（專利權）人: 北京百度網(wǎng)訊科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/02
• 代理公司: 北京同立鈞成知識產(chǎn)權代理有限公司 11205
• 代理人: 朱穎;劉芳

1.一種行人再識別的方法，包括：

根據(jù)目標行人至少一張2D圖像，重建所述目標行人的3D模型；

根據(jù)所述3D模型，提取所述目標行人的3D特征；

根據(jù)所述至少一張2D圖像，提取所述目標行人的2D特征；

根據(jù)所述目標行人的2D特征和3D特征融合后的融合特征，進行所述目標行人的再識別處理。

2.根據(jù)權利要求1所述的方法，其中，所述根據(jù)目標行人至少一張2D圖像，重建所述目標行人的3D模型，包括：

根據(jù)每張所述2D圖像，利用訓練好的3D模型重建網(wǎng)絡，確定對應的一組SMPL模型參數(shù)；

綜合所有所述2D圖像對應的多人線性蒙皮SMPL模型參數(shù)，確定最終的SMPL模型參數(shù)；

根據(jù)所述最終的SMPL模型參數(shù)確定所述目標行人的3D模型。

3.根據(jù)權利要求2所述的方法，還包括：

利用訓練數(shù)據(jù)對3D模型重建網(wǎng)絡進行訓練，得到訓練好的3D模型重建網(wǎng)絡；

其中所述訓練數(shù)據(jù)包括多條訓練樣本，每條所述訓練樣本包括行人2D圖像及其標注信息，所述標注信息包括所述行人2D圖像對應的行人3D模型的SMPL模型參數(shù)。

4.根據(jù)權利要求1所述的方法，其中，所述根據(jù)所述3D模型，提取所述目標行人的3D特征，包括：

通過訓練好的3D特征提取模型，在水平方向上將所述3D模型切分成至少兩個3D模型塊；

提取每個所述3D模型塊中的行人3D特征；

將所述至少兩個3D模型塊中的行人3D特征拼接，得到所述目標行人的3D特征。

5.根據(jù)權利要求4所述的方法，其中，所述根據(jù)所述至少一張2D圖像，提取所述目標行人的2D特征，包括：

通過訓練好的2D特征提取模型，分別提取每張所述2D圖像中的行人2D特征；

將所述至少一張2D圖像中的行人2D特征融合，得到所述目標行人的2D特征。

6.根據(jù)權利要求5所述的方法，其中，所述通過訓練好的2D特征提取模型，分別提取每張所述2D圖像中的行人2D特征，包括：

對于每張所述2D圖像，通過訓練好的2D特征提取模型，在沿人體身長方向上將所述2D圖像切分成至少兩個2D圖像分塊；

提取每個所述2D圖像分塊中的行人2D特征；

將所述至少兩個2D圖像分塊中的行人2D特征拼接，得到所述2D圖像中的行人2D特征。

7.根據(jù)權利要求5所述的方法，還包括：

對2D特征提取模型和3D特征提取模型進行聯(lián)合訓練，得到訓練好的2D特征提取模型和訓練好的3D特征提取模型。

8.根據(jù)權利要求1-7中任一項所述的方法，其中，所述根據(jù)目標行人至少一張行人的2D圖像，利用訓練好的3D模型重建網(wǎng)絡，重建所述目標行人的3D模型之后，還包括：

根據(jù)所述目標行人的2D圖像，添加所述3D模型表面的紋理信息。

9.根據(jù)權利要求1-7中任一項所述的方法，其中，所述根據(jù)所述目標行人的2D特征和3D特征融合后的融合特征，進行所述目標行人的再識別處理，包括：

根據(jù)檢索庫中存儲的行人圖片的特征與所述融合特征的相似度，確定所述特征與所述融合特征的相似度大于或者等于預設閾值的行人圖片。

10.根據(jù)權利要求9所述的方法，還包括：

將所述目標行人的2D特征和所述3D特征拼接，得到所述融合特征；

或者，將所述目標行人的2D特征和所述3D特征相加，得到所述融合特征。