[发明专利]视频图像中的行人重识别方法、装置、存储介质及处理器

权利要求书

1.一种视频图像中的行人重识别方法，其特征在于，包括：

根据预设行人重识别数据集训练第一卷积神经网络模型，得到第二卷积神经网络模型，其中，所述第二卷积神经网络模型为达到收敛状态的所述第一卷积神经网络模型，所述第二卷积神经网络模型包括全局特征提取分支和局部特征提取分支；

对所述第二卷积神经网络模型中的所述全局特征提取分支添加哈希二值化层，得到第三卷积神经网络模型；

根据所述预设行人重识别数据集训练所述第三卷积神经网络模型，得到第四卷积神经网络模型，其中，所述第四卷积神经网络模型为达到收敛状态的所述第三卷积神经网络模型；

输入一张目标行人图像和多张待识别行人图像至所述第四卷积神经网络模型，得到一个目标全局二值化特征向量、一个目标局部特征向量和多个待识别全局二值化特征向量；

计算所述一个目标全局二值化特征向量和所述多个待识别全局二值化特征向量之间的第一空间向量距离，得到多张初步识别行人图像，其中，所述多张初步识别行人图像中的每张所述初步识别行人图像与所述目标行人图像对应的所述第一空间向量距离均小于预设第一空间向量距离阈值；

将所述多张初步识别行人图像输入至所述第四卷积神经网络模型，得到多个初步识别局部特征向量；

计算所述目标局部特征向量和所述多个初步识别局部特征向量之间的第二空间向量距离，得到与所述目标行人图像所匹配的行人重识别结果。

2.根据权利要求1所述的方法，其特征在于，在根据预设行人重识别数据集训练第一卷积神经网络模型之前，所述方法还包括：

获取多个摄像头拍摄到的行人视频图像；

截取所述行人视频图像中的每帧图片中的行人区域，并对所述行人区域添加身份标签；

根据所述行人区域和所述身份标签得到所述预设行人重识别数据集。

3.根据权利要求1所述的方法，其特征在于，所述输入一张目标行人图像和多张待识别行人图像至所述第四卷积神经网络模型，得到一个目标全局二值化特征向量、一个目标局部特征向量和多个待识别全局二值化特征向量包括：

输入所述一张目标行人图像至所述第四卷积神经网络模型，基于所述第四卷积神经网络模型中的所述全局特征提取分支得到所述一个目标全局二值化特征向量，以及基于所述第四卷积神经网络模型中的所述局部特征提取分支得到所述一个目标局部特征向量；

输入所述多张待识别行人图像至所述第四卷积神经网络模型，基于所述第四卷积神经网络模型中的所述全局特征提取分支得到所述多个待识别全局二值化特征向量。

4.根据权利要求1所述的方法，其特征在于，所述根据预设行人重识别数据集训练第一卷积神经网络模型，得到第二卷积神经网络模型包括：

根据预设行人重识别数据集和随机梯度下降法对所述第一卷积神经网络模型中的参数进行更新，并根据同一预设目标函数分别对所述第一卷积神经网络模型中的所述全局特征提取分支和所述局部特征提取分支进行梯度计算，得到所述第二卷积神经网络模型。