[发明专利]一种行人重识别、行人运动轨迹生成方法及装置

权利要求书

1.一种行人重识别方法，其特征在于，所述方法包括：

在监控视频中选取包含行人的图像；

针对选取的任一图像，将该图像输入到预先训练完成的第一卷积神经网络模型中，提取该图像中的行人属性特征；

针对任意两张图像，根据提取到的该两张图像中的行人属性特征，确定该两张图像的第一相似性值；

针对任意一第一相似性值，判断该第一相似性值是否超过预设阈值，如果是，则该第一相似性值对应的两张图像中的行人为同一个人。

2.如权利要求1所述的方法，其特征在于，所述提取该图像中的行人属性特征之后，所述方法还包括：

将该图像输入到预先训练完成的第二卷积神经网络模型中，提取该图像中行人的非结构化特征；

所述判断该第一相似值是否超过预设阈值之前，所述方法还包括：

针对任意两张图像，根据该两张图像的非结构化特征，确定该两张图像的第二相似性值；

判断该第一相似性值是否超过预设阈值包括：

判断该两张图像的第一相似性值及第二相似性值的和是否超过预设阈值。

3.如权利要求1或2所述的方法，其特征在于，所述根据该两张图像中的行人属性特征，确定该两张图像的第一相似性值包括：

根据以下公式：确定第一相似性值，其中，为当第一图像的行人属性特征中第n维属性特征的值attr_iⁿ，与第二图像的行人属性特征中第n维属性特征的值相等时，值为1，否则为0，wⁿ为行人属性特征中第n维属性特征对应的权重。

4.如权利要求1所述的方法，其特征在于，所述行人属性特征包括以下至少一种：

性别，衣服颜色，衣服款式，发型。

5.如权利要求1所述的方法，其特征在于，所述预先训练第一卷积神经网络模型的过程包括：

获取样本图像，其中所述样本图像中标注了图像中行人的行人属性特征中每一维属性特征的值；

将每个样本图像输入到第一卷积神经网络模型中，根据每个第一卷积神经网络模型的输出，对所述卷积神经网络模型进行训练。

6.一种基于如权利要求1-5任一项所述的行人重识别方法的行人运动轨迹生成方法，其特征在于，所述方法包括：

在监控视频中获取每个行人的运动轨迹；

针对获取的任一段运动轨迹，按照预设规则，在该段运动轨迹对应的视频图像中选取包含行人的图像；

针对任意两段运动轨迹对应的图像，确定该两段运动轨迹对应的每个图像对，其中每个图像对中包含的两张图像分别对应于该两段运动轨迹，且该两段运动轨迹中每一段运动轨迹对应的任一图像都与另一运动轨迹对应的任一图像构成了图像对；针对每个图像对，将该图像对中的两张图像分别输入到预先训练完成的第一卷积神经网络模型中，提取该两张图像中的行人属性特征；根据提取到的行人属性特征，确定该图像对的第一相似性值；如果至少一个第一相似性值超过预设阈值，则将该两段运动轨迹确定为同一行人的运动轨迹。

7.一种行人重识别装置，其特征在于，所述装置包括：

选取模块，用于在监控视频中选取包含行人的图像；

第一输入提取模块，用于针对选取的任一图像，将该图像输入到预先训练完成的第一卷积神经网络模型中，提取该图像中的行人属性特征；

第一确定模块，用于针对任意两张图像，根据提取到的该两张图像中的行人属性特征，确定该两张图像的第一相似性值；

判断模块，用于针对任意一第一相似性值，判断该第一相似性值是否超过预设阈值，如果是，则该第一相似性值对应的两张图像中的行人为同一个人。

8.如权利要求7所述的装置，其特征在于，所述装置还包括：

第二输入提取模块，用于将该图像输入到预先训练完成的第二卷积神经网络模型中，提取该图像中行人的非结构化特征；

第二确定模块，用于针对任意两张图像，根据该两张图像的非结构化特征，确定该两张图像的第二相似性值；

所述判断模块，具体用于判断该两张图像的第一相似性值及第二相似性值的和是否超过预设阈值。