[发明专利]基于空间约束的行人重识别方法及设备

说明书

本发明提出了一种基于空间约束的行人重识别方法及设备，包括：获取观测场景内的图像信息进行分析，计算投影矩阵；智能前端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；后台服务器接收来自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；后台服务器根据聚合轨迹，分别对每个单镜头下的行人目标跟踪轨迹进行采样；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。本发明通过三维空间约束提升行人搜索的准确性。

技术领域

本发明涉及智能视频分析技术领域，特别涉及一种基于空间约束的行人重识别方法及设备。

背景技术

随着经济的快速发展和人口的流动，特别是在大城市，出现较多的人口密集区域，而这些人口密集区域正是安全问题频发的敏感区域，因此这些敏感区域也成为城市建设中的隐忧。为了杜绝重点敏感区域中各种盗窃、抢劫和打架等问题的发生，有关部门在相关位置安装了大量的摄像头，用于对这些区域进行实时监管，但由于距离较远或者清晰度等问题，在发生突发事件后并不能对嫌疑人进行准确的定位和追踪，并不能达到预期的效果。

传统的行人re-id的方法比较简单，都是针对多个镜头的视频图像进行导入，仅仅依靠特征比对来处理，并没有利用到有效的三维空间信息，甚至是时间信息，这些信息作为目标的连续性轨迹刻画是非常有价值的。

发明内容

本发明的目的旨在至少解决所述技术缺陷之一。

为此，本发明的目的在于提出一种基于空间约束的行人重识别方法及设备。

为了实现上述目的，本发明一方面的实施例提供一种基于空间约束的行人重识别方法，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。

进一步，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。

进一步，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；