[發(fā)明專利]行人重識別方法、裝置及電子設(shè)備

在審

• 申請?zhí)枺?/td>: 202011271830.X
• 申請日: 2020-11-13
• 公開（公告）號: CN112257669A
• 公開（公告）日: 2021-01-22
• 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
• 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: 張琳琳

1.一種行人重識別方法，其特征在于，包括：

獲取第一行人圖像和至少一幀第二行人圖像；其中，所述第一行人圖像與所述至少一幀第二行人圖像由覆蓋區(qū)域不同的監(jiān)控攝像頭拍攝得到；

將所述第一行人圖像以及所述第二行人圖像輸入行人重識別模型，得到對應(yīng)于行人人體結(jié)構(gòu)的多個局部特征，以及各行人局部特征之間的相似度；

根據(jù)所述各行人局部特征之間的相似度以及各局部特征對應(yīng)的權(quán)值，計算行人的目標(biāo)相似度；其中，所述權(quán)值表示各局部特征在行人重識別過程中的重要程度；

基于所述行人的目標(biāo)相似度，確定行人重識別結(jié)果。

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，所述基于所述行人的目標(biāo)相似度，確定行人重識別結(jié)果，包括：

判斷所述目標(biāo)相似度是否大于第一相似度閾值；

當(dāng)所述目標(biāo)相似度大于所述第一相似度閾值時，確定對應(yīng)的第二行人圖像中的行人與所述第一行人圖像中的行人為同一目標(biāo)行人。

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，所述當(dāng)所述目標(biāo)相似度大于所述第一相似度閾值時，還包括：

根據(jù)大于所述第一相似度閾值的目標(biāo)相似度對應(yīng)的第二行人圖像，獲取所述目標(biāo)行人的時空信息。

4.根據(jù)權(quán)利要求1或2所述的行人重識別方法，其特征在于，所述根據(jù)所述各行人局部特征之間的相似度以及各局部特征對應(yīng)的權(quán)值，計算行人的目標(biāo)相似度，包括：

將所述相似度按照其對應(yīng)的局部特征的權(quán)值大小進(jìn)行排序；

按照從大到小的順序，逐次判斷所述相似度是否大于第二相似度閾值；

當(dāng)存在相似度大于所述第二相似度閾值時，將該相似度對應(yīng)的權(quán)值置為1，其他相似度的權(quán)值置為0，計算所述目標(biāo)相似度；

當(dāng)所有相似度均不大于所述第二相似度閾值時，按照預(yù)設(shè)配置規(guī)則對每個相似度配置權(quán)值，利用各行人局部特征之間的相似度和對應(yīng)的權(quán)值進(jìn)行加權(quán)求和得到所述目標(biāo)相似度。

5.根據(jù)權(quán)利要求1所述的行人重識別方法，其特征在于，所述行人重識別模型包括：特征提取模塊、注意力模塊、圖神經(jīng)網(wǎng)絡(luò)模塊。

6.根據(jù)權(quán)利要求1或5所述的行人重識別方法，其特征在于，在將所述第一行人圖像以及所述第二行人圖像輸入行人重識別模型之前，還包括：

獲取第一訓(xùn)練樣本圖像以及至少一幀第二訓(xùn)練樣本圖像；其中，所述第一訓(xùn)練樣本圖像以及所述至少一幀第二訓(xùn)練樣本圖像由覆蓋區(qū)域不同的監(jiān)控攝像頭拍攝得到；

獲取所述行人重識別模型；

將所述第一訓(xùn)練樣本圖以及所述第二訓(xùn)練樣本圖像輸入所述特征提取模塊，輸出所述第一訓(xùn)練樣本圖像以及所述第二訓(xùn)練樣本圖像的全局特征；

將所述全局特征輸入所述注意力模塊，輸出所述第一訓(xùn)練樣本圖像以及所述第二訓(xùn)練樣本圖像的多個局部特征；其中，所述多個局部特征對應(yīng)于不同的行人人體結(jié)構(gòu)；

將所述第一訓(xùn)練樣本圖像以及所述第二訓(xùn)練樣本圖像的多個局部特征輸入所述圖神經(jīng)網(wǎng)絡(luò)模塊，輸出各行人局部特征之間的相似度；

根據(jù)所述各行人局部特征之間的相似度與所述訓(xùn)練樣本的預(yù)設(shè)標(biāo)簽，確定所述行人重識別模型的損失函數(shù)；

根據(jù)所述損失函數(shù)利用梯度下降法，調(diào)節(jié)所述特征提取模塊、注意力模塊、圖神經(jīng)網(wǎng)絡(luò)模塊的參數(shù)，得到所述行人重識別模型。

7.根據(jù)權(quán)利要求1所述的行人重識別方法，其特征在于，所述多個局部特征分別對應(yīng)于行人頭部結(jié)構(gòu)、手部結(jié)構(gòu)、腳部結(jié)構(gòu)以及主干結(jié)構(gòu)。