[發明專利]行人重識別方法、裝置、計算機設備和存儲介質

有效

• 申請號: 202110490325.2
• 申請日: 2021-05-06
• 公開（公告）號: CN113177487B
• 公開（公告）日: 2023-07-18
• 發明（設計）人: 劉茜
• 申請（專利權）人: 南京信息工程大學
• 主分類號: G06V20/52
• 分類號: G06V20/52;G06V10/40;G06V10/771;G06V10/774;G06V10/74;G06N20/00
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 羅運紅

1.一種行人重識別方法，其特征在于，所述方法包括：

獲取待比對攝像機拍攝的待識別行人圖像；

將所述待識別行人圖像輸入至所述待比對攝像機對應的識別模型進行識別，確定所述待識別行人圖像中的行人類別，所述識別模型是預先基于半監督遷移字典學習的識別模型；

根據所述待識別行人圖像中的行人類別和目標行人類別，確定待比對攝像機中是否出現目標行人類別；

其中，所述預先基于半監督遷移字典學習的識別模型的訓練方式包括：

獲取監控不同監控區域的第一攝像機和第二攝像機對應的識別模型的行人圖像訓練樣本集；

將所述第一攝像機和所述第二攝像機對應的識別模型的所述行人圖像訓練樣本集，劃分為共有的行人類別的行人圖像訓練樣本子集、獨有的行人類別的行人圖像訓練樣本子集和無標記行人圖像訓練樣本子集；

根據所述共有的行人類別的行人圖像訓練樣本子集、獨有的行人類別的行人圖像訓練樣本子集和無標記行人圖像訓練樣本子集，基于半監督遷移字典學習的目標函數訓練所述第一攝像機和所述第二攝像機對應的識別模型，獲得所述第一攝像機對應的識別模型的特征提取投影矩陣和字典，和所述第二攝像機對應的識別模型的特征提取投影矩陣和字典；

所述半監督遷移字典學習的目標函數為：

其中，v＝A,B表示攝像機編號，A為第一攝像機編號，B為第二攝像機編號，表示X^v中行人類別p的行人圖像訓練樣本子集，p＝1,2,…,C^v，X^v表示來自攝像機v的行人圖像訓練樣本集，C^v表示攝像機v的行人類別總數，W^v表示對應X^v的特征提取投影矩陣，D^v表示對應X^v的字典，A^v表示使用字典D^v重構X^v的稀疏編碼系數，表示使用字典D^v重構的稀疏編碼系數，表示使用字典D^v重構的稀疏編碼系數，表示X^v中的無標記行人圖像訓練樣本子集，λ₁表示正的第一權重系數，λ₂表示正的第二權重系數，表示字典D^v中對應行人類別t的子字典，t＝1,2,…,C^S，C^S表示共有的行人類別個數，T表示矩陣轉置，F表示F范數，s.t.表示受限制于，表示字典D^v中對應行人類別p的子字典，表示字典D^v中對應行人類別q的子字典，q＝1,2,…,C^v,q≠p，表示使用子字典重構的稀疏編碼系數，表示使用子字典重構的稀疏編碼系數。

2.根據權利要求1所述的方法，其特征在于，所述識別模型進行識別的方式包括：

采用所述識別模型對應的特征提取投影矩陣對所述待識別行人圖像進行特征提取和降維，獲得所述待識別行人圖像的特征向量；

采用所述識別模型對應的字典稀疏重構所述特征向量，獲得所述待識別行人圖像的稀疏編碼系數；

根據所述稀疏編碼系數計算所述待識別行人圖像與每個行人類別的相似度，獲得每個行人類別對應的相似度數據；

根據每個行人類別對應的所述相似度數據，確定所述待識別行人圖像中的行人類別。

3.根據權利要求2所述的方法，其特征在于，所述采用所述識別模型對應的特征提取投影矩陣對所述待識別行人圖像進行特征提取和降維，獲得所述待識別行人圖像的特征向量的步驟，包括：

采用所述識別模型對應的特征提取投影矩陣根據特征向量分析公式，對所述待識別行人圖像進行特征提取和降維，獲得所述待識別行人圖像的特征向量；

所述特征向量分析公式為：

y′＝(W^v)^Ty

其中，y′表示待識別行人圖像的特征向量，W^v表示識別模型對應的特征提取投影矩陣，y表示待識別行人圖像。