[发明专利]行人重识别方法和装置

说明书

本发明实施例提供行人重识别方法和装置。其中，方法包括：对待识别的视频图像序列进行预处理，使得预处理后的待识别的视频图像序列中各图像的尺寸相同；将预处理后的待识别的视频图像序列输入预设的行人重识别模型，获取预设的行人重识别模型的输出的待识别的视频图像序列的行人重识别结果。本发明实施例提供的行人重识别方法和装置，质量较好的图像具有较大的权重、质量较差的图像具有较大的权重，从而增大质量较好的图像对待识别的视频图像序列的特征向量的贡献并减小质量较差的图像对待识别的视频图像序列的特征向量的贡献，提高行人重识别的准确率。

技术领域

本发明实施例涉及计算机视觉技术领域，尤其涉及行人重识别方法和装置。

背景技术

随着视频监控越来越广泛地应用于现代社会，对视频进行智能处理和分析成为十分重要的课题。在智能视频分析领域，作为衔接行人检测和目标跟踪这两个课题的行人重识别，是其中非常重要的课题。行人重识别，又称行人检索，指利用计算机视觉技术对图像或者视频序列中是否存在特定行人进行识别。通过行人重识别，能确定目标行人出现过的位置和视频画面，对于人物检索、嫌疑人搜寻等多种应用起着至关重要的作用。

现有行人重识别技术主要包括基于图像中的行人特征的进行行人重识别。

在进行视频监控时，由于很多情景中摄像头拍摄角度的偏转、低分辨率、遮挡等问题的存在，往往会得到低质量的行人图像，因此，在实际场景中，单纯对行人图像进行识别往往无法获得有效的识别结果。为了提高识别率，现有技术采用提取图像本身的全局和/或局部的颜色、形状、纹理、轮廓、兴趣点等特征进行识别，算法较复杂，也难以克服图像质量差导致的识别率不高的问题。

发明内容

针对现有技术存在的识别准确率低的问题，本发明实施例提供行人重识别方法和装置。

根据本发明的第一方面，本发明实施例提供一种行人重识别方法，包括：

对待识别的视频图像序列进行预处理，使得预处理后的待识别的视频图像序列中各图像的尺寸相同；

将预处理后的待识别的视频图像序列输入预设的行人重识别模型，获取所述预设的行人重识别模型的输出的待识别的视频图像序列的行人重识别结果；

其中，所述预设的行人重识别模型是根据样本视频图像序列进行训练后获得的；

所述预设的行人重识别模型包括：

第一卷积神经网络，用于获取待识别的视频图像序列中每一图像的多个区域特征；

第二卷积神经网络，用于获取待识别的视频图像序列中每一图像的每一区域特征对应的权重；

分类器，用于根据待识别的视频图像序列中各图像的区域特征以及区域特征对应的权重，获取待识别的视频图像序列的特征向量，并根据所述待识别的视频图像序列的特征向量输出待识别的视频图像序列的行人重识别结果。

根据本发明的第二方面，本发明实施例提供一种行人重识别装置，包括：

预处理模块，用于对待识别的视频图像序列进行预处理，使得预处理后的待识别的视频图像序列中各图像的尺寸相同；

识别模块，用于将预处理后的待识别的视频图像序列输入预设的行人重识别模型，获取所述预设的行人重识别模型的输出的待识别的视频图像序列的行人重识别结果；

其中，所述预设的行人重识别模型是根据样本视频图像序列进行训练后获得的；

所述预设的行人重识别模型包括：

第一卷积神经网络，用于获取待识别的视频图像序列中每一图像的多个区域特征；

第二卷积神经网络，用于获取待识别的视频图像序列中每一图像的每一区域特征对应的权重；