[發(fā)明專利]行人重識別方法、裝置、電子設(shè)備及計算機(jī)可讀存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202011139919.0
• 申請日: 2020-10-22
• 公開（公告）號: CN112270241B
• 公開（公告）日: 2021-12-10
• 發(fā)明（設(shè)計）人: 鄧練兵;文少杰;陳小滿
• 申請（專利權(quán)）人: 珠海大橫琴科技發(fā)展有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04
• 代理公司: 北京三聚陽光知識產(chǎn)權(quán)代理有限公司 11250
• 代理人: 張樂樂

1.一種行人重識別方法，其特征在于，包括如下步驟：

獲取行人圖像數(shù)據(jù)；

提取所述行人圖像數(shù)據(jù)中每張圖像中的行人特征，根據(jù)所述行人特征計算得到行人的視覺概率，所述視覺概率表示不同圖像上行人之間的相似度；

判斷所述視覺概率是否超過預(yù)設(shè)閾值；

當(dāng)所述視覺概率超過所述預(yù)設(shè)閾值時，確定該不同圖像上的行人為同一人；當(dāng)所述視覺概率未超過所述預(yù)設(shè)閾值時，獲取所述行人圖像數(shù)據(jù)中的攝像頭標(biāo)識和幀號信息，根據(jù)所述攝像頭標(biāo)識和幀號信息計算得到行人的時空概率；

計算不同攝像頭拍攝的圖像中行人在實際環(huán)境中同一時間的位置信息；

根據(jù)所述位置信息配置所述視覺概率和所述時空概率的影響參數(shù)，所述影響參數(shù)用于反應(yīng)所述視覺概率或者所述時空概率的權(quán)重，所述影響參數(shù)為大于等于0并且小于等于1的數(shù)值；

利用所述視覺概率及其影響參數(shù)以及所述時空概率及其影響參數(shù)計算得到聯(lián)合概率，得到行人重識別結(jié)果；其中，通過以下公式計算得到所述聯(lián)合概率：

其中，φ表示平衡所述視覺概率和時空概率的超參數(shù)，e表示自然對數(shù)的底，ρ_V表示視覺概率，ρ_ST表示時空概率，γ取值為5，x表示所述視覺概率的影響參數(shù)，y表示時空概率的影響參數(shù)。

2.根據(jù)權(quán)利要求1所述的行人重識別方法，其特征在于，所述根據(jù)所述位置信息配置所述視覺概率和所述時空概率的影響參數(shù)，包括：

基于所述位置信息判斷不同圖像中行人是否處于同一位置；

當(dāng)不同圖像中行人處于同一位置時，所述x和y的值均置為0。

3.根據(jù)權(quán)利要求2所述的行人重識別方法，其特征在于，

當(dāng)不同圖像中行人處于不同位置時，所述x和y的值均大于0并且小于1，其中，不同圖像中行人的位置偏差越大，y的值越大。

4.根據(jù)權(quán)利要求1-3任一所述的行人重識別方法，其特征在于，計算不同攝像頭拍攝的圖像中行人在實際環(huán)境中同一時間的位置信息，包括：

獲取拍攝所述行人圖像數(shù)據(jù)的攝像頭的相機(jī)參數(shù)和相機(jī)位置；

利用所述相機(jī)參數(shù)和所述相機(jī)位置計算圖像中行人的所述位置信息。

5.根據(jù)權(quán)利要求1-3任一所述的行人重識別方法，其特征在于，所述提取所述行人圖像數(shù)據(jù)中每張圖像中的行人特征，根據(jù)所述行人特征計算得到行人的視覺概率，包括：

將所述行人圖像數(shù)據(jù)作為利用預(yù)先訓(xùn)練得到的神經(jīng)網(wǎng)絡(luò)模型的輸入，利用所述神經(jīng)網(wǎng)絡(luò)模型提取所述行人圖像數(shù)據(jù)中每張圖像中的行人特征，得到行人的特征矩陣；

其中，所述獲取所述行人圖像數(shù)據(jù)中的攝像頭標(biāo)識和幀號信息，根據(jù)所述攝像頭標(biāo)識和幀號信息計算得到行人的時空概率，包括：

將所述攝像頭標(biāo)識和幀號信息作為時空概率模型的輸入，利用所述時空概率模型計算得到行人的時空概率。