[发明专利]行人重识别方法、装置、电子设备及计算机可读存储介质

说明书

本发明涉及一种行人重识别方法、装置、电子设备及计算机可读存储介质，方法包括：获取行人图像数据；提取行人图像数据中每张图像中的行人特征，根据行人特征计算得到行人的视觉概率；当视觉概率未超过预设阈值时，获取行人图像数据中的摄像头标识和帧号信息，根据摄像头标识和帧号信息计算得到行人的时空概率；计算不同摄像头拍摄的图像中行人在实际环境中同一时间的位置信息；根据位置信息配置视觉概率和时空概率的影响参数；利用视觉概率及其影响参数以及时空概率及其影响参数计算得到联合概率，得到行人重识别结果。通过对视觉概率及时空概率进行影响参数的调整不同情况下的权重以提高联合概率在不同情况的准确性。

技术领域

本发明涉及人工智能领域，具体涉及一种行人重识别方法、装置、电子设备及计算机可读存储介质。

背景技术

现今社会对于公共安全的重视程度逐步增加，视频监控系统的规模也日益庞大，智能视频监控被广泛应用于学校、商城、公园和交通运输等公共场所，以辅助城市安全管理。

然而，监控视频由于相机分辨率不高和拍摄角度的缘故，且行人之间相互遮挡的问题广泛存在，通常无法得到质量和分辨率非常高的正面人脸图片。在实际场景中，行人的多变性、各种干扰和实际场景中的不确定因素增加，导致检测和识别难度较大，同时也导致不同外观、视角、姿态各异的行人检测精度较低。在人脸识别失效的情况下，使用人体的结构信息或高层语义信息对行人进行识别，能够通过不同的摄像头实现跨时间和空间对目标人体或人群进行跟踪、匹配和身份鉴定，从而有效弥补固定摄像头的视觉局限。

现有技术中，在进行行人重识别过程中，不同情况下影响最终识别结果的因子不同，现有技术中采用视觉概率和时空概率融合的方式得到的最终结果并不适用于所有场景，导致部分场景下的识别结果准确率较低。

发明内容

因此，本发明要解决的技术问题在于克服现有技术中采用视觉概率和时空概率融合的方式在部分场景下的识别结果准确率较低的缺陷，从而提供一种行人重识别方法，包括如下步骤：

获取行人图像数据；

提取所述行人图像数据中每张图像中的行人特征，根据所述行人特征计算得到行人的视觉概率，所述视觉概率表示不同图像上行人之间的相似度；

判断所述视觉概率是否超过预设阈值；

当所述视觉概率未超过所述预设阈值时，获取所述行人图像数据中的摄像头标识和帧号信息，根据所述摄像头标识和帧号信息计算得到行人的时空概率；

计算不同摄像头拍摄的图像中行人在实际环境中同一时间的位置信息；

根据所述位置信息配置所述视觉概率和所述时空概率的影响参数，所述影响参数用于反应所述视觉概率或者所述时空概率的权重，所述影响参数为大于等于0并且小于等于1的数值；

利用所述视觉概率及其影响参数以及所述时空概率及其影响参数计算得到联合概率，得到行人重识别结果。

可选地，当所述视觉概率超过所述预设阈值时，确定该不同图像上的行人为同一人。

可选地，通过以下公式计算得到所述联合概率：

其中，φ表示平衡所述视觉概率和时空概率的超参数，e表示自然对数的底，ρ_V表示视觉概率，ρ_ST表示时空概率，γ取值为5，x表示所述视觉概率的影响参数，y表示时空概率的影响参数。

可选地，所述根据所述位置信息配置所述视觉概率和所述时空概率的影响参数，包括：

基于所述位置信息判断不同图像中行人是否处于同一位置；

当不同图像中行人处于同一位置时，所述x和y的值均置为0。