[发明专利]行人重识别方法、装置、计算机设备和存储介质

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：

获取待比对摄像机拍摄的待识别行人图像；

将所述待识别行人图像输入至所述待比对摄像机对应的识别模型进行识别，确定所述待识别行人图像中的行人类别，所述识别模型是预先基于半监督迁移字典学习的识别模型；

根据所述待识别行人图像中的行人类别和目标行人类别，确定待比对摄像机中是否出现目标行人类别；

其中，所述预先基于半监督迁移字典学习的识别模型的训练方式包括：

获取监控不同监控区域的第一摄像机和第二摄像机对应的识别模型的行人图像训练样本集；

将所述第一摄像机和所述第二摄像机对应的识别模型的所述行人图像训练样本集，划分为共有的行人类别的行人图像训练样本子集、独有的行人类别的行人图像训练样本子集和无标记行人图像训练样本子集；

根据所述共有的行人类别的行人图像训练样本子集、独有的行人类别的行人图像训练样本子集和无标记行人图像训练样本子集，基于半监督迁移字典学习的目标函数训练所述第一摄像机和所述第二摄像机对应的识别模型，获得所述第一摄像机对应的识别模型的特征提取投影矩阵和字典，和所述第二摄像机对应的识别模型的特征提取投影矩阵和字典；

所述半监督迁移字典学习的目标函数为：

其中，v＝A,B表示摄像机编号，A为第一摄像机编号，B为第二摄像机编号，表示X^v中行人类别p的行人图像训练样本子集，p＝1,2,…,C^v，X^v表示来自摄像机v的行人图像训练样本集，C^v表示摄像机v的行人类别总数，W^v表示对应X^v的特征提取投影矩阵，D^v表示对应X^v的字典，A^v表示使用字典D^v重构X^v的稀疏编码系数，表示使用字典D^v重构的稀疏编码系数，表示使用字典D^v重构的稀疏编码系数，表示X^v中的无标记行人图像训练样本子集，λ₁表示正的第一权重系数，λ₂表示正的第二权重系数，表示字典D^v中对应行人类别t的子字典，t＝1,2,…,C^S，C^S表示共有的行人类别个数，T表示矩阵转置，F表示F范数，s.t.表示受限制于，表示字典D^v中对应行人类别p的子字典，表示字典D^v中对应行人类别q的子字典，q＝1,2,…,C^v,q≠p，表示使用子字典重构的稀疏编码系数，表示使用子字典重构的稀疏编码系数。

2.根据权利要求1所述的方法，其特征在于，所述识别模型进行识别的方式包括：

采用所述识别模型对应的特征提取投影矩阵对所述待识别行人图像进行特征提取和降维，获得所述待识别行人图像的特征向量；

采用所述识别模型对应的字典稀疏重构所述特征向量，获得所述待识别行人图像的稀疏编码系数；

根据所述稀疏编码系数计算所述待识别行人图像与每个行人类别的相似度，获得每个行人类别对应的相似度数据；

根据每个行人类别对应的所述相似度数据，确定所述待识别行人图像中的行人类别。

3.根据权利要求2所述的方法，其特征在于，所述采用所述识别模型对应的特征提取投影矩阵对所述待识别行人图像进行特征提取和降维，获得所述待识别行人图像的特征向量的步骤，包括：

采用所述识别模型对应的特征提取投影矩阵根据特征向量分析公式，对所述待识别行人图像进行特征提取和降维，获得所述待识别行人图像的特征向量；

所述特征向量分析公式为：

y′＝(W^v)^Ty

其中，y′表示待识别行人图像的特征向量，W^v表示识别模型对应的特征提取投影矩阵，y表示待识别行人图像。