[发明专利]基于分割剪影的行人再识别方法及系统

说明书

本发明属于计算机视觉领域，具体涉及一种基于分割剪影的行人再识别方法及系统，旨在解决如何消除图像背景噪声，提高行人再识别准确率的问题。为此目的，本发明中的行人再识别方法包括：基于预先构建的行人再识别模型并根据待测行人的彩色图像及对应的分割剪影，获取待测行人的行人特征；分别计算行人特征与每个预设的行人身份特征之间的相似度；获取最大相似度对应的行人身份特征，并根据所获取的行人身份特征获取待测行人的身份信息。基于本发明的行人再识别方法可以较好的解决背景杂乱情况下的行人再识别问题，提高识别准确率。同时，本发明中的行人再识别系统能够执行并实现上述方法。

技术领域

本发明属于计算机视觉领域，具体涉及一种基于分割剪影的行人再识别方法及系统。

背景技术

行人再识别是利用计算机视觉技术判断图像或视频序列中是否存在特定行人的技术，该技术在安防监控、智能视频分析、人员搜救检索等领域具有广泛的应用。

行人再识别技术通过处理图像数据进行目标检测，在学术界已经研究多年，直到最近几年随着深度学习的发展，才取得巨大的突破。基于深度卷积神经网络提取行人特征描述，最理想的状态是提取的特征具有很强的区分效果，并且相对来说比较稳定，但是由于复杂的现实环境，图像的背景部分会带来严重的噪声，且行人具有多种多样的姿态和视角，所以难以提取较好的行人特征描述，这样给行人再识别技术带来了巨大的挑战。基于此，本发明提供了一种基于分割剪影的行人再识别方法及系统可以较好的解决这一问题。

发明内容

为了解决现有技术中的上述问题，即为了解决如何消除图像背景噪声，提高行人再识别准确率的问题，本发明的一方面，提供了一种基于分割剪影的行人再识别方法，包括：

基于预先构建的行人再识别模型并根据待测行人的彩色图像及对应的分割剪影，获取所述待测行人的行人特征；

分别计算所述行人特征与每个预设的行人身份特征之间的相似度；

获取最大相似度对应的行人身份特征，并根据所获取的行人身份特征获取所述待测行人的身份信息；

其中，所述行人再识别模型是根据预设的行人测试样本并利用机器学习算法所构建的深度卷积神经网络模型，所述行人身份特征是基于所述行人再识别模型并根据预设的行人比对样本的彩色图像及对应的分割剪影，获取到的所述行人比对样本的行人特征。

进一步地，本发明提供的一个优选技术方案为：

所述行人再识别模型包括对比注意模型；在“基于预先构建的行人再识别模型并根据待测行人的彩色图像及对应的分割剪影，获取所述待测行人的行人特征”的步骤之前，所述方法包括：

利用所述对比注意模型并根据所述行人再识别模型中特定卷积层的输出特征和行人测试样本对应的分割剪影，获取行人身体敏感特征和行人背景敏感特征；

根据所述特定卷积层的输出特征、行人身体敏感特征和行人背景敏感特征，获取所述行人测试样本对应的全局特征H、行人身体区域特征和H⁺行人背景区域特征H^-；

根据所述H、H⁺和H^-，并按照下式所示的损失函数L_all对所述行人再识别模型进行模型训练：

L_all＝L_id+α·L_triplet+β·L_att

其中，所述L_id是所述H、H⁺和H^-对应的分类损失函数，所述L_triplet是所述H、H⁺和H^-对应的三元组约束损失函数，所述L_att是所述对比注意模型对应的损失函数，所述α和β均是预设的超参数。