[发明专利]行人重识别的方法及系统

说明书

本发明公开了一种行人重识别的方法及系统，涉及行人识别技术领域，解决了在有遮挡情况下行人重识别准确率不高的技术问题，其技术方案要点是采用行人图像手工特征辅助监督行人重识别模型训练的方法，提高了识别模型对于遮挡行人场景的鲁棒性。采用基于人体关键点的遮挡行人图像的涂白匹配方法，进一步提高了行人重识别的匹配准确度。

技术领域

本公开涉及行人识别技术领域，尤其涉及一种行人重识别的方法及系统。

背景技术

行人重识别的任务是匹配不同摄像机拍摄的行人，给定一个摄像机拍摄的行人图像，在其他摄像机拍摄的行人图像中检索该行人，广泛应用于智能安防、智慧零售等领域。在实际应用场景中，行人容易被一些物品(比如车辆，树木，广告牌等)遮挡，影响行人重识别的效果。

目前行人重识别的方法主要分为基于图像手工特征的方法(可参考Bingpeng Ma,Yu Su,and Frederic Jurie.Covariance descriptor based on bio-inspired featuresfor person reidentification and face verification.Image and Vision Computing,32(6-7):379–390,2014.及Yang Yang,Jimei Yang,Junjie Yan,Shengcai Liao,Dong Yi,and Stan Z Li.Salient color names for person reidentification.In Europeanconference on computer vision,pages 536–551.Springer,2014.)、度量学习的方法(可参考Shengcai Liao and Stan Z Li.Efficient psd constrained asymmetric metriclearning for person re-identification.In Proceedings of the IEEEInternational Conference on Computer Vision,pages3685–3693,2015.及Wei-ShiZheng,Shaogang Gong,and Tao Xiang.Reidentification by relative distancecomparison.IEEE transactions on pattern analysis and machine intelligence,35(3):653–668,2013.)以及深度学习的方法(可参考Yifan Sun,Liang Zheng,Yi Yang,QiTian,and ShengjinWang.Beyond part models:Person retrieval with refined partpooling(and a strong convolutional baseline).In Proceedings of the EuropeanConference on Computer Vision(ECCV),pages 480–496,2018.及Yan Lu,Yue Wu,BinLiu,Tianzhu Zhang,Baopu Li,Qi Chu,and Nenghai Yu.Cross-modality person re-identification with shared-specific feature transfer,2020.)，大多为整体图像的行人重识别方法，对实际场景中遮挡行人重识别的效果较差。因此，亟需一种有效的遮挡行人重识别方法及系统。

发明内容

本公开提供了一种行人重识别的方法及系统，其技术目的是提高行人重识别的准确率，在行人有遮挡的情况下能够有效对行人进行识别。

本公开的上述技术目的是通过以下技术方案得以实现的：

一种行人重识别的方法，包括：

输入行人图像，提取人体躯干关键点，根据人体躯干关键点和遮挡物品对所述行人图像进行合成，得到第一遮挡行人图像；