[發(fā)明專利]跨相機行人重識別與跟蹤方法

在審

• 申請?zhí)枺?/td>: 202011106376.2
• 申請日: 2020-10-16
• 公開（公告）號: CN112200106A
• 公開（公告）日: 2021-01-08
• 發(fā)明（設計）人: 陸慧娟;王雷奇
• 申請（專利權(quán)）人: 中國計量大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06F16/29;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種跨相機行人重識別與跟蹤方法，其特征在于：包括如下步驟：

1)圖像預處理：從視頻序列中選擇出行人圖像以供行人重識別使用，通過輸入多張低分辨率行人圖像，輸出一張清晰的行人圖像供行人重識別使用；

2)跨相機協(xié)同識別：建立統(tǒng)一時空基準下的開放環(huán)境GIS數(shù)據(jù)模型，在開放環(huán)境下利用地理信息系統(tǒng)對相機在標準測繪坐標系上進行標注定位，確定相機視域在地圖上的范圍，并確定各個相機間的相對位置和視域重合情況；進行行人圖像的特征提取，進行相機間行人圖像特征匹配；

3)盲區(qū)軌跡還原與跟蹤：

a、采用目標檢測方法首先對行人進行檢測，然后利用視域內(nèi)的攝像頭采集到的行人的圖像輸入到GAN網(wǎng)絡進行還原，從而實現(xiàn)對目標軌跡進行持續(xù)跟蹤；

b、通過地理信息系統(tǒng)將相機捕捉到的圖像與真實坐標進行標定，得到目標起點和重點的位置，再通過算法進行集成，得到目標可能的軌跡。

2.根據(jù)權(quán)利要求1所述的跨相機行人重識別與跟蹤方法，其特征在于：基于跨相機行人重識別平臺，所述跨相機行人重識別平臺包括云端服務器、若干邊緣服務器和攝像頭，所述云端服務器連接每臺邊緣服務器，所述邊緣服務器與各地區(qū)的終端攝像頭相連接。

3.根據(jù)權(quán)利要求1或2所述的跨相機行人重識別與跟蹤方法，其特征在于：給云端服務器輸入待檢索目標信息，云端服務器經(jīng)過特征識別給出一個特征集；云端服務器將特征集打包下發(fā)到各個邊緣服務器，邊緣服務器對監(jiān)控視頻進行實時演算，提取行人特征集；將提取的行人特征集與云端服務器下發(fā)的特征集作比對；若經(jīng)比對判定其為目標，則將實時目標特征和目標最終出現(xiàn)位置上傳至云端服務器，云端服務器記錄目標位置然后繪制目標移動軌跡圖，并對目標實時特征集進行分析，依此對初始特征集進行更新，以實現(xiàn)目標的識別和跟蹤。。

4.根據(jù)權(quán)利要求3所述的跨相機行人重識別與跟蹤方法，其特征在于：若是多個攝像頭視域中都出現(xiàn)了目標，則采用多相機協(xié)同識別，若是攝像頭在同一邊緣服務器下，則在邊緣服務器中就可以做到多相機協(xié)同識別，若攝像頭不在同一邊緣服務器中，則需將數(shù)據(jù)上傳到云端服務器，在云端服務器中運行多相機協(xié)同識別。

5.根據(jù)權(quán)利要求1所述的跨相機行人重識別與跟蹤方法，其特征在于：在步驟1)中，采用生成對抗網(wǎng)絡對低分辨率圖像進行重建生成器采用多層Resnet變體或者多層VGG變體實現(xiàn)重建圖像，判別器采用重建的圖像以及真實低分辨率圖像作為輸入，用以區(qū)分真實圖像以及重建的圖像，設計基于多種類型的生成對抗網(wǎng)絡模型的損失函數(shù)并集成，最終實現(xiàn)能夠輸入多張低分辨率行人圖像，輸出一張較為清晰的行人圖像供行人重識別使用。

6.根據(jù)權(quán)利要求1所述的跨相機行人重識別與跟蹤方法，其特征在于：在步驟2)中，具體采用如步驟：①建立統(tǒng)一時空基準下的開放環(huán)境地理信息系統(tǒng)數(shù)據(jù)模型；②建模與相機定位實時協(xié)同的開放環(huán)境下的建模方法；③利用眾源數(shù)據(jù)支持的地圖變化發(fā)現(xiàn)與更新；④以跨相機視覺定位過程中實時獲取的三維場景為輸入，對于相機協(xié)同定位的場景進行語義識別和認知。