[發明專利]一種行人重識別的方法、裝置、設備及可讀存儲介質

在審

• 申請號: 202110863315.9
• 申請日: 2021-07-29
• 公開（公告）號: CN113553970A
• 公開（公告）日: 2021-10-26
• 發明（設計）人: 晉杰;李波;侯醞;潘洪亮
• 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;G06K9/46;G06K9/62;G06N3/04
• 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;邵煜程

1.一種行人重識別的方法，其特征在于，所述方法包括：

獲取待處理的行人圖像，并分別從每個行人圖像中提取出行人特征信息；

根據每個行人圖像的行人特征信息，確定出與所有行人圖像對應的行人數量；

將所述行人數量作為分組數量K并根據每個行人圖像的行人特征信息，將所有行人圖像形成K個分組，以使屬于同一行人的行人圖像位于一個分組中。

2.根據權利要求1所述的行人重識別的方法，其特征在于，所述獲取待處理的行人圖像，并分別從每個行人圖像中提取出行人特征信息，包括：

利用預設的CNN卷積神經網絡從所述行人圖像中提取出N個行人特征信息，并根據所述N個行人特征信息形成所述行人圖像的1*N維度的行人特征向量。

3.根據權利要求2所述的行人重識別的方法，其特征在于，所述根據每個行人圖像的行人特征信息，確定出與所有行人圖像對應的行人數量，包括：

利用DBSCAN聚類算法將所有行人圖像的行人特征向量聚類為多個簇；

判斷所述簇中的行人特征向量是否大于預設向量閾值，若是，則將所述簇作為目標簇；

統計所述目標簇的總數量，并將統計出的總數量作為行人數量。

4.根據權利要求3所述的行人重識別的方法，其特征在于，所述將所述行人數量作為分組數量K并根據每個行人圖像的行人特征信息，將所有行人圖像形成K個分組，以使屬于同一行人的行人圖像位于一個分組中，包括：

將所有目標簇中的行人特征向量形成向量特征集合；

將所述行人數量作為K-MEANS聚類算法中的分組數量K，并利用K-MEANS聚類算法將所述向量特征集合中的行人特征向量聚類為K個分組。

5.根據權利要求4所述的行人重識別的方法，其特征在于，在所述利用K-MEANS聚類算法將所述向量特征集合中的行人特征向量聚類為K個分組之后，所述方法還包括：

為不同的分組設置不同的行人標識；其中，同一分組的行人特征向量具有相同的行人標識；

將所述行人特征向量的行人標識賦予與所述行人特征向量對應的行人圖像，以使屬于同一行人的行人圖像具有相同的行人標識；

將具有行人標識的行人圖像形成行人圖像數據庫。

6.一種行人重識別的裝置，其特征在于，所述裝置包括：

獲取模塊，用于獲取待處理的行人圖像，并分別從每個行人圖像中提取出行人特征信息；

確定模塊，用于根據每個行人圖像的行人特征信息，確定出與所有行人圖像對應的行人數量；

分組模塊，用于將所述行人數量作為分組數量K并根據每個行人圖像的行人特征信息，將所有行人圖像形成K個分組，以使屬于同一行人的行人圖像位于一個分組中。

7.根據權利要求6所述的行人重識別的裝置，其特征在于，所述獲取模塊，用于：

利用預設的CNN卷積神經網絡從所述行人圖像中提取出N個行人特征信息，并根據所述N個行人特征信息形成所述行人圖像的1*N維度的行人特征向量。

8.根據權利要求7所述的行人重識別的裝置，其特征在于，所述確定模塊，用于：

利用DBSCAN聚類算法將所有行人圖像的行人特征向量聚類為多個簇；判斷所述簇中的行人特征向量是否大于預設向量閾值，若是，則將所述簇作為目標簇；統計所述目標簇的總數量，并將統計出的總數量作為行人數量。

9.一種計算機設備，所述計算機設備包括：存儲器、處理器以及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1至5中任一項所述方法的步驟。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至5中任一項所述方法的步驟。