[发明专利]一种行人重识别、行人运动轨迹生成方法及装置

说明书

本发明公开了一种行人重识别、行人运动轨迹生成方法及装置，该方法包括：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值；针对任意一第一相似性值，判断该第一相似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。在本发明中通过使用任意两张图像中的行人属性特征，确定该两张图像的相似性值，根据该相似性值是否超过预设阈值，进而可以确定该两张图像中的行人是否为同一个人。

技术领域

本发明涉及图像识别技术领域，尤其涉及一种行人重识别、行人运动轨迹生成方法及装置。

背景技术

当前，视频监控日益普遍，从而产生了巨大的视频数据资源，然而，由于人工查看、分析视频极其费时费力，这些海量的数据资源大多时候没有发挥出应有的价值。以图搜图作为一种视频分析技术，将极大地发挥监控视频数据的价值，为诸如跨摄像头目标跟踪、人员路径生成、犯罪嫌疑人查找等许多应用提供了技术支撑。

近年来，以深度卷积神经网络为代表的深度学习技术在图像、视频的智能化分析方面取得了巨大成功，通用目标检测、跟踪等技术日趋成熟，达到了实用化的程度，行人重识别(行人以图搜图)也不例外。

在行人重识别方面，现有技术公开了的技术方法包括：

第一种是基于空间约束的行人重识别方法，该方法采用预先标定好的拍摄设备的位置及角度来计算投影矩阵，以实现像素坐标到真实世界的三维坐标的转换。该方案采用智能前端与智能服务器后端相结合的方式，以智能前端内的目标检测和跟踪为基础，结合空间信息在服务器后端聚合信息，从而实现行人重识别。

第二种是结合时空和网络一致性的摄像机网络行人重识别方法，对摄像机对和行人对之间分别找到距离和时间差信息，再基于估计的行人速度先验值，以此推出时间差应满足的分布，并据此修正相似性分数。最终的相似性分数为原始的相似性分数与修正相似性分数的加权。最后，基于一致性假设，构建网络整体的优化目标。

由于在提取行走中的人的非结构化特征时会有较大差异，可能会将同一个行人识别为不同的行人，导致行人以图搜图的准确度不高。

发明内容

本发明实施例提供了一种行人重识别、行人运动轨迹生成方法及装置，用以解决现有技术中的行人重识别的精度不高的问题。

本发明实施例提供了一种行人重识别方法，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。

进一步地，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。

进一步地，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：