[发明专利]行人重识别方法、装置、计算机设备及存储介质

权利要求书

1.一种行人重识别方法，其特征在于，所述行人重识别方法包括：

获取原始图像，采用行人检测算法对所述原始图像进行检测，得到检测图像；

将所述检测图像按照预设方式进行分块，得到检测图像块，并对每一所述检测图像块进行特征提取，得到所述检测图像的检测特征向量；

获取M个基准特征向量，其中，每一所述基准特征向量是通过对基准图像按照所述预设方式进行分块得到基准图像块后，提取所述每一基准图像块的特征向量得到的，其中，M为正整数；

计算所述检测特征向量和每一所述基准特征向量的向量相似度；

根据所述向量相似度得到行人重识别结果。

2.如权利要求1所述的行人重识别方法，其特征在于，所述将所述检测图像按照预设方式进行分块，得到检测图像块，并对每一所述检测图像块进行特征提取，得到所述检测图像的检测特征向量，包括：

将所述检测图像按照从上到下的顺序平均分成N块，得到N个所述检测图像块，其中，N为正整数；

分别对N个所述检测图像块进行特征提取，得到N个检测图像块向量；

将N个所述检测图像块向量串联后组成所述检测图像的检测特征向量。

3.如权利要求2所述的行人重识别方法，其特征在于，所述基准特征向量包括N个基准图像块向量；

所述计算所述检测特征向量和每一所述基准特征向量的向量相似度，包括：

按照分块位置计算每一所述检测图像块向量与对应的基准图像块向量的标准距离，得到N个所述标准距离；

将N个所述标准距离进行加权求和，得到所述检测图像与所述基准图像的所述向量相似度。

4.如权利要求1所述的行人重识别方法，其特征在于，所述将所述检测图像按照预设方式进行分块，得到检测图像块，并对每一所述检测图像块进行特征提取，得到所述检测图像的检测特征向量，包括：

将所述检测图像按照从上到下的顺序平均分成N块，得到N个横向检测图像块；

对N个所述横向检测图像块进行特征提取，得到N个横向检测图像块向量；

将所述检测图像按照从左到右的顺序平均分成K块，得到K个纵向检测图像块，其中，K为正整数；

对K个所述纵向检测图像块进行特征提取，得到K个纵向检测图像块向量；

将N个所述横向检测图像块向量串联后组成所述检测图像的横向检测特征向量，并将K个所述纵向检测图像块向量串联后组成所述检测图像的纵向检测特征向量；

将所述横向检测特征向量和所述纵向检测特征向量组成所述检测图像的检测特征向量。

5.如权利要求4所述的行人重识别方法，其特征在于，所述基准特征向量包括横向基准特征向量和纵向基准特征向量；

所述计算所述检测特征向量和每一所述基准特征向量的向量相似度，包括：

按照分块位置计算每一所述横向检测图像块向量与对应的所述横向基准图像块向量的标准距离，得到N个横向标准距离；

按照分块位置计算每一所述纵向检测图像块向量与对应的所述纵向基准图像块向量的标准距离，得到K个纵向标准距离；

将N个所述横向标准距离进行加权求和，得到所述检测图像与所述基准图像的横向相似度，并将K个所述纵向标准距离进行加权求和，得到所述检测图像与所述基准图像的纵向相似度；

将所述横向相似度和所述纵向相似度分别乘以预设权值后进行求和再取平均值，得到所述检测图像与所述基准图像的所述向量相似度。

6.如权利要求1所述的行人重识别方法，其特征在于，所述采用行人检测算法对所述原始图像进行检测，得到检测图像，包括：

采用卷积神经网络提取所述原始图像中的行人卷积特征；

利用所述卷积神经网络的卷积层计算所述行人卷积特征，输出卷积神经网络卷积层的全连接层的特征，得到目标特征向量；

利用支持向量机对所述目标特征向量进行分类，得到所述检测图像。