[发明专利]一种行人重识别的方法和装置

说明书

本发明公开了一种行人重识别的方法和装置，所述方法包括：获取行走特征数据库，通过对所述行走特征数据库中的每一所述行走特征，执行特征向量筛选操作，当存在第一特征向量与第二特征向量的特征距离满足预设的阈值条件时，将所述第二特征向量在所述当前的行走特征中删除，以此更新每一所述行走特征，得到更新后的行走特征数据库，进而对待识别行人的行走特征进行行人重识别，得到行人重识别结果。采用本发明实施例，能够实现对模糊、遮挡和重复序列帧的筛查，有效地提高了每一行走特征的判别性，提高行人重识别的准确性。

技术领域

本发明涉及计算机视觉技术领域，尤其涉及一种行人重识别的方法和装置。

背景技术

行人重识别是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术。随着智慧城市的建设，行人重识别有着重要应用，如跨摄像头的行人追踪与行人异常行为分析。

对于每个摄像头采集的视频，现有方法采用人工标注或者检测算法从视频中提取每个行人的行走序列，进而为每个行走序列提取行走特征，组成此摄像头下的行走特征集合。对于特定摄像头下的特定行人，获取此行人在此摄像头下的行走特征，对比其他摄像头下的行走特征集合，实现行人重识别。

可见，行走特征的判别性是基于视频的行人重识别方法的关键。然而，发明人发现现有技术至少存在如下问题：在实际应用中，由于行人与行人之间的相互干扰，导致行走序列中存在模糊、遮挡的序列帧，降低了行走特征的判别性，限制了行人重识别的精度。

发明内容

本发明实施例的目的是提供一种行人重识别的方法和装置，能有效提高行走特征集合的判别性，提高行人重识别的准确性。

为实现上述目的，本发明实施例提供了一种行人重识别的方法，包括：

获取若干个监控视角下的行走特征集合，作为行走特征数据库；其中，所述行走特征集合包括同一监控视角下所监控到的行人对应的行走特征；所述行走特征由若干个特征向量组成；

对所述行走特征数据库中的每一所述行走特征，执行特征向量筛选操作，以更新每一所述行走特征，得到更新后的行走特征数据库；其中，所述特征向量筛选操作包括：依次获取当前的行走特征中的每一特征向量，作为第一特征向量；在获取所述第一特征向量之后，依次获取所述当前的行走特征中不为所述第一特征向量的特征向量，作为第二特征向量；当所述第一特征向量与所述第二特征向量的特征距离满足预设的阈值条件时，将所述第二特征向量在所述当前的行走特征中删除；

根据所述更新后的行走特征数据库，对待识别行人的行走特征进行行人重识别，得到行人重识别结果。

作为上述方案的改进，所述当所述第一特征向量与所述第二特征向量的特征距离满足预设的阈值条件时，将所述第二特征向量在所述当前的行走特征中删除，具体包括：

计算所述第一特征向量与所述第二特征向量的余弦相似度；

当所述第一特征向量与所述第二特征向量的余弦相似度处于预设的阈值范围内时，将所述第二特征向量在所述当前的行走特征中删除。

作为上述方案的改进，通过以下计算公式，计算所述第一特征向量与所述第二特征向量的余弦相似度：

其中，θ为所述第一特征向量与所述第二特征向量的余弦相似度，X为所述第一特征向量，Y为所述第二特征向量，T表示转置操作。

作为上述方案的改进，所述获取若干个监控视角下的行走特征集合，作为行走特征数据库，具体包括：

采集若干个监控视角下的监控视频；

提取每一所述监控视频对应的行走序列集合；其中，所述行走序列集合由所述监控视频中的每一行人对应的行走序列组成；