[發明專利]一種面向多區域大規模特征的匹配方法

有效

• 申請號: 202011104924.8
• 申請日: 2020-10-15
• 公開（公告）號: CN112232410B
• 公開（公告）日: 2023-08-29
• 發明（設計）人: 黃文麗;解偉榮;程金平;高子昂;胡鵬;楊省
• 申請（專利權）人: 蘇州凌圖科技有限公司
• 主分類號: G06V10/75
• 分類號: G06V10/75;G06V10/762;G06V10/774
• 代理公司: 北京酷愛智慧知識產權代理有限公司 11514
• 代理人: 胡林

本發明公開了一種面向多區域大規模特征的匹配方法，用以解決當前現有對大規模特征匹配精度低、匹配時間長、匹配效率低問題。該方法根據預先訓練好的特征提取模型提取行人經過攝像頭的圖像特征，其中所述圖像特征包括頭部特征、面部特征、肢體特征、姿態特征、外觀衣服特征。首先，對提取的特征按照出入口和非出入口區域進行分類。其次，采用分區域的類間聚類和類內聚類方法，對提取到的特征進行聚類，得到對應的聚類結果。最后，根據所述聚類結果，對多個區域進行關聯連接，以確定所有區域特征都已經過聚類匹配。在經過局部區域類內聚類和類間聚類后能夠達到和全局區域特征聚類相同的效果，從而節省了聚類的時間，提高了聚類的效率。

技術領域

本發明屬于計算機視覺圖像處理技術領域，尤其涉及一種面向多區域大規模特征的匹配方法。

背景技術

近年來，隨著計算機視覺技術的不斷發展，智慧商場、智慧零售逐步地走入了普通大眾的視野，并且被越來越多的商場顧客以及商場運營管理人員所接受。這些新興的技術不但可以豐富人們的購物形式與出行體驗，而且也可以提供更全面、更準確、更詳細的運營數據來幫助商場運營管理人員提升整個商場的運營效率。

為了對運營數據有進一步全面的了解，往往需要通過行人重識別技術對不同攝像設備之下的行人特征做匹配操作，從而進一步地對所有的行人特征做詳細的聚類分析。聚類分析能夠按照既定規則對所有的特征進行分類，把同一個人在所有攝像設備下的特征歸關聯在一起，從而得到某一個行人在商場中的軌跡信息。在實際的應用中，當聚類的子區域有多個，如A、B、C、D、E分別表示5個店鋪，想要知道行人在這5個店鋪之間的流動動向，則需要即10次匹配運算。隨著店鋪數量的增加，匹配運算的次數也隨之大規模的增加，要計算100個店鋪也就是區域之間的匹配則需要計算4950次運算。這將導致匹配計算時間變長、匹配的效率降低、對計算機的性能也要求更高，嚴重限制了在工業界生產環境使用。

發明內容

為了克服上述現有技術的不足，本發明的目的在于提供一種面向多區域大規模特征的匹配方法，用以解決現有匹配次數過多、計算時間過長的問題。

本發明采用如下技術方案來實現的：

一種面向多區域大規模特征的匹配方法，包括以下步驟：

步驟1：根據預先訓練好的特征提取模型，對經過攝像頭的行人進行圖像特征提取，提取的特征包括頭部特征、面部特征、肢體特征、外觀衣著特征；

步驟2：對提取的特征按照攝像頭的地理位置分為出入口區域、非出入口區域；

步驟3：對出入口區域進行類內聚類、非出入口多個區域進行類內聚類分別得到類內聚類結果；

步驟4：對出入口區域和非出入口區域進行類間聚類，得到類間聚類結果；

步驟5：根據類內聚類結果和類間聚類結果，對多區域的特征匹配進行關聯，從而達到全局區域的聚類結果。

本發明進一步的改進在于，步驟1中，所述特征提取模型通過以下步驟獲得：

步驟101：根據預存的標注文件，獲取訓練數據中相應的目標，將其作為特征提取的樣本，其中，所述標注文件包括預設的目標行人特征、以及特征所屬的類別；

步驟102：按照預設比例，將檢測樣本分為訓練集和驗證集，對檢測模型進行訓練，獲得所述訓練好的檢測模型；

步驟103：將檢測模型應用于目標行人，提取目標行人的特征，其中包括頭部特征信息、面部特征信息、肢體特征信息、外觀衣著顏色特征信息、姿態特征信息、步伐特征信息、外觀膚色特征信息。

本發明進一步的改進在于，步驟2中，所述出入口區域是指商場、零售店、超市等大型場所的進出口，將行人特征按照進入和離開的方向進行分類，獲得進入方向的特征集合、離開方向的特征集合。