[发明专利]行人重识别方法、装置、计算机设备和存储介质

说明书

本申请涉及一种行人重识别方法、装置、计算机设备和存储介质。该方法包括：获取待比对摄像机拍摄的待识别行人图像；将待识别行人图像输入至待比对摄像机对应的识别模型进行识别，确定待识别行人图像中的行人类别，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；在进行多个摄像机之间的迁移字典学习时，充分利用有标记训练样本监督地学习结构化的字典，充分利用无标记训练样本优化字典的稀疏表示性能，增强行人重识别能力，进而提高了行人重识别的准确度。

技术领域

本申请涉及图像识别技术领域，特别是涉及一种行人重识别方法、装置、计算机设备和存储介质。

背景技术

近年来，越来越多的监控摄像机被部署到各类公共场所中，视频监控在维护社会安全等方面正发挥着越来越重要的作用。在视频监控的应用中，针对特定行人目标的检测与重识别是一个重要的需求。

行人重识别技术用于判断在不同监控摄像机下出现的行人是否是同一个人，它是一种自动目标识别技术，可以在视频监控网络中快速定位到感兴趣的行人目标。目前，一些行人重识别方法研究如何从行人图像或视频帧中提取有效的特征来建立行人特征表示模型，通常直接使用该模型进行识别，识别效果取决于提取特征的有效性；另一些行人重识别方法研究如何得到使同一行人的图像相似性较大，不同行人的图像相似性较小的相似性度量计算方法，通常是直接使用原始行人图像或利用某些已有的行人特征表示模型提取特征后进行相似性判别学习；还有一些行人重识别方法既设计行人特征表示模型又进行相似性判别学习，充分利用两者的优势，可以有效提高识别效果。

在上述第三类行人重识别方法中，由于字典学习在图像识别方面具有良好的识别性能和鲁棒性，基于字典学习的行人重识别方法通常具有较好的识别效果。但目前已有的这一类型的方法数量较少，且它们都是直接使用原始数据进行字典学习，或直接利用某些已有的行人特征表示模型提取特征后再进行字典学习，没有考虑行人特征提取技术以及行人特征表示模型与字典学习之间的关系和相互影响，并且这些方法都只是针对有限的有标记行人图像或视频数据，使得目前的行人重识别方法准确度低。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高行人重识别方法准确度的行人重识别方法。

一种行人重识别方法，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。

在其中一个实施例中，所述半监督迁移字典学习的目标函数为：