[發明專利]行人重識別方法、系統、電子裝置及存儲介質

在審

• 申請號: 202110509840.0
• 申請日: 2021-05-11
• 公開（公告）號: CN113128466A
• 公開（公告）日: 2021-07-16
• 發明（設計）人: 裴繼紅;倪子陽;趙陽;楊烜
• 申請（專利權）人: 深圳大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳尚業知識產權代理事務所(普通合伙) 44503
• 代理人: 王利彬

本發明公開了一種行人重識別方法、系統、電子裝置及存儲介質，方法包括：數據準備，數據包括用于特征提取網絡的訓練數據集和測試數據集，訓練數據集和測試數據集具有不同的查詢集及候選集，查詢集包括查詢行人序列，候選集包括候選行人序列；利用訓練數據集對特征提取網絡進行預訓練及微調；利用特征提取網絡對測試數據集內的測試數據進行特征提取，并對提取的特征進行維數簡約，得到圖像特征；對測試數據的圖像特征進行相似性度量，得到最匹配的候選行人；輸出最匹配的候選行人。本申請能夠充分利用序列中所有的圖像信息，避免特征融合帶來的問題，在行人序列重識別任務中性能取得顯著的提升。

技術領域

本發明涉及圖像處理技術領域，尤其涉及一種行人重識別方法、系統、電子裝置及存儲介質。

背景技術

行人重識別是多攝像機智能視頻監控中非常重要的一部分，常需要將在某一視場中已經出現過的行人在其他視場中再次識別出來，解決跨攝像機和跨場景下行人的匹配關聯問題。行人重識別與攝像機監控設備有著密切的關系，由于監控設備所部署的位置不同，不同攝像機的拍攝環境存在一定差異，如行人目標在不同的攝像機中姿態、角度、光線以及遮擋等因素都會發生不同的變化，這些變化都會對行人重識別結果造成影響。因此，準確和高效是行人重識別領域非常重要的目標。

目前基于單幀圖像的行人重識別方法取得了較好的效果，但是單幀圖像提供的信息是十分有限的，并且該類方法對行人圖像的質量要求較高，如當圖像中行人遇到遮擋、光照和姿態變化等情況時，則會對行人重識別造成很大的誤差。在實際的監控環境中，難以保證攝像機所拍攝到的行人圖像都是清晰且無干擾的圖像，因此，基于單幀圖像的行人重識別存在一定的局限性。

考慮到以上問題，很多工作開始利用行人的視頻序列進行行人重識別方法研究，該類方法以行人視頻序列為單位進行重識別，因此，如何充分利用視頻序列信息是其中的關鍵部分，也是目前沒有很好解決的問題。相比于基于單幀圖像的行人重識別方法，基于視頻序列的方法能夠通過利用多幀行人圖像來獲得更多的行人信息，目前大部分方法的主要思想是先利用卷積神經網絡(Convolutional Neural Networks,CNN)提取單幀行人圖像的特征，然后再通過最大值池化、均值池化、3D卷積、循環神經網絡(Recurrent neuralnetworks,RNN)或注意力機制等方法將得到的單幀圖像特征進行特征融合，從而獲得行人序列特征，并且以此來表征整個行人序列，進行距離度量，最終獲得重識別結果。但是，通過特征融合方式得到的行人序列特征容易忽略和丟失序列中部分圖像的細節信息，沒有充分利用序列中所有的圖像信息，這會對重識別結果造成一定的影響。

發明內容

本發明的主要目的在于提供一種行人重識別方法、系統、電子裝置及存儲介質，能夠充分利用序列中所有的圖像信息，避免特征融合帶來的問題，在行人序列重識別任務中性能取得顯著的提升。

為實現上述目的，本發明第一方面提供一種行人重識別方法，包括：數據準備，所述數據包括用于特征提取網絡的訓練數據集和測試數據集，所述訓練數據集和所述測試數據集具有不同的查詢集及候選集，所述查詢集包括查詢行人序列，所述候選集包括候選行人序列；利用所述訓練數據集對特征提取網絡進行預訓練及微調；利用所述特征提取網絡對所述測試數據集內的測試數據進行特征提取，并對提取的特征進行維數簡約，得到圖像特征；對所述測試數據的圖像特征進行相似性度量，得到最匹配的候選行人；輸出所述最匹配的候選行人。

進一步地，所述利用所述訓練數據集對特征提取網絡進行預訓練及微調，包括：構建特征提取網絡，所述特征提取網絡為MGN；確定所述特征提取網絡的訓練參數；對訓練數據集進行預處理；將預處理后的訓練數據集中的訓練數據輸入所述特征提取網絡，計算損失值，并利用所述損失值進行在所述特征提取網絡上進行反向傳播，更新所述訓練參數，實現所述特征提取網絡的預訓練及微調。