[发明专利]基于空间约束的行人重识别方法及设备

权利要求书

1.一种基于空间约束的行人重识别方法，其特征在于，包括如下步骤：

步骤S1，利用拍摄设备获取观测场景内的图像信息，并传输给智能前端，由所述智能前端对所述图像信息进行分析，提取场景内的行人特征，将所述行人特征绑定对应时间信息标签，并根据预先标定好的拍摄设备位置和角度以计算投影矩阵，以实现多个像素坐标到统一的三维坐标的转换；

步骤S2，所述智能前端根据步骤S1中得到的所述行人特征，对相应的行人目标进行单镜头跟踪，生成行人目标跟踪轨迹，通过坐标映射转换为三维空间的坐标轨迹；

步骤S3，后台服务器接收来自所述智能前端返回的行人目标跟踪轨迹，对该行人目标跟踪轨迹进行聚合，得到聚合轨迹，包括：分别采用单镜头内部聚合和跨镜头聚合方式；

步骤S4，所述后台服务器根据步骤S3中得到的聚合轨迹，分别对每个单镜头下的行人目标跟踪轨迹进行采样，作为行人目标的特征基础Gallery，并将跨镜头聚合的目标对应同一个Gallery ID；

步骤S5，所述后台服务器接收到待检索的行人图像，提取该行人图像的特征作为检索特征，将该检索特征与存储的多个特征基础Gallery进行对比，查找对比成功的行人目标轨迹，并按照置信度进行排序，返回检索结果。

2.如权利要求1所述的基于空间约束的行人重识别方法，其特征在于，在所述步骤S1中，所述智能前端对所述图像信息进行分析，包括：所述智能前端基于GPU加速的DCNN算法，该算法分为两步训练：

首先训练行人检测器，然后进行网络压缩以减少层数和通道、权值聚合，并根据前面的检测结果重新训练，得到适用于当前视角的检测器；在行人检测算法基础上加入特定特征检测，对局部特性进行刻画，以作为整体特征的补充特征。

3.如权利要求1所述的基于空间约束的行人重识别方法，其特征在于，在所述步骤S3中，所述单镜头内部的聚合，包括如下步骤：内部聚合通过re-id处理由于遮挡、变形、光照问题导致的目标轨迹断续情况，通过特征比对实现连续轨迹刻画；

所述跨镜头的聚合，包括如下步骤：跨镜头聚合处理目标的跨镜头行为，根据目标投影的运动方向信息，在三维空间内寻找周围的摄像机覆盖，并根据最大可能性对摄像机赋予权值，基于该权值进行目标的re-id聚合，刻画跨镜头轨迹。

4.如权利要求1所述的基于空间约束的行人重识别方法，其特征在于，在所述步骤S4中，所述对每个单镜头下的行人目标跟踪轨迹进行采样，包括：通过目标轨迹进行序列采样的方法，该采样方法结合re-id置信度阈值完成执行。

5.如权利要求1所述的基于空间约束的行人重识别方法，其特征在于，在所述步骤S5中，所述查找对比成功的行人目标轨迹，并按照置信度进行排序，包括如下步骤：根据输入的待检索的行人图像，采用两级检索机制，首先得到最高置信度的目标位置，然后优先基于该目标周围进行检索。