[發明專利]行人重識別方法、裝置、計算機設備及存儲介質

在審

• 申請號: 202011264154.3
• 申請日: 2020-11-12
• 公開（公告）號: CN112347957A
• 公開（公告）日: 2021-02-09
• 發明（設計）人: 李波;王洋
• 申請（專利權）人: 廣聯達科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/08
• 代理公司: 北京英特普羅知識產權代理有限公司 11015
• 代理人: 程超

本發明提供一種行人重識別方法，包括以下步驟：獲取多個參照行人的參照圖像，利用特征提取模型從所述參照圖像中提取對應的參照特征；其中所述特征提取模型是利用神經網絡訓練得到的；將所述參照特征存儲至行人特征庫，并基于預設頻率對所述行人特征庫中存儲的參照特征進行更新；獲取包含待識別行人的待識別圖像，利用所述特征提取模型從所述待識別圖像中提取對應的待識別特征；將所述待識別特征與所述行人特征庫中存儲的候選特征進行對比，以從所述候選特征中確定與所述待識別圖像的差別小于第一閾值的目標特征；根據所述目標特征對應的類別標簽對所述待識別行人進行識別。

技術領域

本發明涉及圖像識別技術領域，特別涉及一種行人重識別方法、裝置、計算機設備及存儲介質。

背景技術

行人重識別本質上是對待識別行人身份的辨識，算法識別的精度直接影響到整個系統的最終性能。現階段的行人重識別方法一般是事先采集待識別的行人圖像建立gallery(行人特征庫)，gallery中的每個行人的身份已經提前做好標簽。在識別過程中，先提取待識別行人的特征F，然后將F與gallery中的每個行人特征進行比較，gallery中與F距離最近的(置信度要滿足設定閾值條件)那個行人的標簽則為系統的識別結果。這種方式的弊端在于，由于行人的衣著發型等外貌特征是隨時間不斷變化的，因此gallery中已存儲的對應行人的外貌特征會與待識別行人的實際外貌特征具有較大差異，因此會導致特征對比不準確，行人重識別能力下降明顯。

發明內容

本發明的目的是提供一種能夠準確實時地對行人進行重識別的技術方案，以解決現有技術中存在的上述問題。

為實現上述目的，本發明提供一種行人重識別方法，包括以下步驟：

獲取多個參照行人的參照圖像，利用特征提取模型從所述參照圖像中提取對應的參照特征；其中所述特征提取模型是利用神經網絡訓練得到的；

將所述參照特征存儲至行人特征庫，并基于預設頻率對所述行人特征庫中存儲的參照特征進行更新；

獲取包含待識別行人的待識別圖像，利用所述特征提取模型從所述待識別圖像中提取對應的待識別特征；

將所述待識別特征與所述行人特征庫中存儲的候選特征進行對比，以從所述候選特征中確定與所述待識別圖像的差別小于第一閾值的目標特征；

根據所述目標特征對應的類別標簽對所述待識別行人進行識別。

根據本發明提供的行人重識別方法，其中，所述基于預設頻率對所述行人特征庫中存儲的參照特征進行更新的步驟包括：

獲取包含參照行人的更新圖像；

利用所述特征提取模型從所述更新圖像中提取對應的更新特征；

判斷所述行人特征庫中是否已存儲有參照特征；

在所述行人特征庫中未存儲有參照特征的情況下，將所述更新特征存儲至所述行人特征庫作為新的參照特征，并為所述更新特征添加新的類別標簽；

在所述行人特征庫中已存儲有參照特征的情況下，計算所述更新特征和與存儲的其中一個參照特征之間的第一距離；

判斷所述第一距離是否小于第一閾值；

若所述第一距離小于第一閾值，將所述更新特征存儲至所述行人特征庫作為新的參照特征，為所述更新特征添加與所述其中一個參照特征相同的已有類別標簽；

若所述第一距離不小于第一閾值，將所述更新特征存儲至所述行人特征庫作為新的參照特征，為所述更新特征添加新的類別標簽。

根據本發明提供的行人重識別方法，所述特征提取模型的訓練過程包括：