[发明专利]行人再识别方法、装置及电子设备

权利要求书

1.一种行人再识别方法，其特征在于，包括：

将图像帧序列中各图像帧的图像特征输入已训练的注意力模型，以由所述注意力模型输出各图像帧中人体部件特征信息和标签信息；

根据所述注意力模型输出的人体部件标签信息，确定人体部件特征信息的有效性以及所属的部件类别；

将属于同一部件类别且有效的人体部件特征信息进行融合得到目标特征信息；

根据所述目标特征信息识别行人。

2.根据权利要求1所述的方法，其特征在于，所述注意力模型包括两个以上的注意力子模型，不同注意力子模型对应不同人体部件；各注意力子模型用于确定其对应的人体部件的人体部件特征信息和标签信息；

所述注意力模型输出各图像帧中人体部件特征信息和标签信息，包括：

各注意力子模型根据输入的各图像帧的图像特征，确定其对应的人体部件在各图像帧的位置信息，并根据所述位置信息确定并输出其对应的人体部件特征信息和标签信息。

3.根据权利要求1所述的方法，其特征在于，所述根据注意力模型输出的人体部件标签信息，确定人体部件特征信息的有效性以及所属的部件类别，包括：

将人体部件标签信息与预设的基准标签信息进行匹配；所述基准标签信息包括无效标签信息和至少两个基准部件标签信息，不同基准部件标签信息对应不同部件类别；

若所述人体部件标签信息与无效标签信息匹配，则确定所述人体部件特征信息无效，并确定所述人体部件特征信息所属的部件类别为无效部件类别；

若所述人体部件标签信息与任一基准部件标签信息匹配，则确定所述人体部件特征信息有效，并确定所述人体部件特征信息所属的部件类别为匹配的基准部件标签信息对应的部件类别。

4.根据权利要求1所述的方法，其特征在于，将属于同一部件类别且有效的人体部件特征信息进行融合得到目标特征信息，包括：

通过加权融合算法计算属于同一部件类别且有效的各人体部件特征信息的融合权重值；

根据属于同一部件类别且有效的各人体部件特征信息的融合权重值，对属于同一部件类别且有效的各人体部件特征信息进行融合得到目标特征信息。

5.根据权利要求1所述的方法，其特征在于，根据所述目标特征信息识别行人，包括：

将不同部件类别的目标特征信息进行拼接得到行人特征；

计算所述行人特征和已获取的目标行人特征之间的特征相似度；

根据所述特征相似度得到识别结果。

6.根据权利要求2所述的方法，其特征在于，所述注意力子模型通过基于图像样本序列训练得到，训练过程包括：

通过卷积神经网络对图像样本序列进行特征信息提取，得到样本特征序列；

向待训练的各注意力子模型输入所述样本特征序列，得到所述样本特征序列的各图像帧中对应人体部件的预测特征信息和预测标签信息；

根据各注意力子模型输出的预测标签信息，确定各注意力子模型对应的人体部件的预测特征信息的有效性和所属的部件类别；

将属于同一部件类别且有效的预测特征信息进行融合，获得各人体部件的预测目标特征信息；

对获得的所有预测目标特征信息进行拼接处理，得到预测行人特征；

根据预测行人特征和基准行人特征，计算得到预测特征相似度；

当所述预测特征相似度满足预设值时，生成各注意力子模型。

7.根据权利要求6所述的方法，其特征在于，所述训练过程还包括：

基于各人体部件的预测标签信息和预设的基准标签信息，更新卷积神经网络和待训练的各注意力子模型；所述基准标签信息包括无效标签信息和至少两个基准部件标签信息，不同基准部件标签信息对应不同部件类别。