[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

本申請涉及一種行人重識別方法、裝置、計算機設備和存儲介質。該方法包括：獲取待比對攝像機拍攝的待識別行人圖像；將待識別行人圖像輸入至待比對攝像機對應的識別模型進行識別，確定待識別行人圖像中的行人類別，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；在進行多個攝像機之間的遷移字典學習時，充分利用有標記訓練樣本監督地學習結構化的字典，充分利用無標記訓練樣本優化字典的稀疏表示性能，增強行人重識別能力，進而提高了行人重識別的準確度。

技術領域

本申請涉及圖像識別技術領域，特別是涉及一種行人重識別方法、裝置、計算機設備和存儲介質。

背景技術

近年來，越來越多的監控攝像機被部署到各類公共場所中，視頻監控在維護社會安全等方面正發揮著越來越重要的作用。在視頻監控的應用中，針對特定行人目標的檢測與重識別是一個重要的需求。

行人重識別技術用于判斷在不同監控攝像機下出現的行人是否是同一個人，它是一種自動目標識別技術，可以在視頻監控網絡中快速定位到感興趣的行人目標。目前，一些行人重識別方法研究如何從行人圖像或視頻幀中提取有效的特征來建立行人特征表示模型，通常直接使用該模型進行識別，識別效果取決于提取特征的有效性；另一些行人重識別方法研究如何得到使同一行人的圖像相似性較大，不同行人的圖像相似性較小的相似性度量計算方法，通常是直接使用原始行人圖像或利用某些已有的行人特征表示模型提取特征后進行相似性判別學習；還有一些行人重識別方法既設計行人特征表示模型又進行相似性判別學習，充分利用兩者的優勢，可以有效提高識別效果。

在上述第三類行人重識別方法中，由于字典學習在圖像識別方面具有良好的識別性能和魯棒性，基于字典學習的行人重識別方法通常具有較好的識別效果。但目前已有的這一類型的方法數量較少，且它們都是直接使用原始數據進行字典學習，或直接利用某些已有的行人特征表示模型提取特征后再進行字典學習，沒有考慮行人特征提取技術以及行人特征表示模型與字典學習之間的關系和相互影響，并且這些方法都只是針對有限的有標記行人圖像或視頻數據，使得目前的行人重識別方法準確度低。

發明內容

基于此，有必要針對上述技術問題，提供一種能夠提高行人重識別方法準確度的行人重識別方法。

一種行人重識別方法，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。

在其中一個實施例中，所述半監督遷移字典學習的目標函數為：