[发明专利]一种行人重识别的方法、装置、设备及可读存储介质

权利要求书

1.一种行人重识别的方法，其特征在于，所述方法包括：

获取待处理的行人图像，并分别从每个行人图像中提取出行人特征信息；

根据每个行人图像的行人特征信息，确定出与所有行人图像对应的行人数量；

将所述行人数量作为分组数量K并根据每个行人图像的行人特征信息，将所有行人图像形成K个分组，以使属于同一行人的行人图像位于一个分组中。

2.根据权利要求1所述的行人重识别的方法，其特征在于，所述获取待处理的行人图像，并分别从每个行人图像中提取出行人特征信息，包括：

利用预设的CNN卷积神经网络从所述行人图像中提取出N个行人特征信息，并根据所述N个行人特征信息形成所述行人图像的1*N维度的行人特征向量。

3.根据权利要求2所述的行人重识别的方法，其特征在于，所述根据每个行人图像的行人特征信息，确定出与所有行人图像对应的行人数量，包括：

利用DBSCAN聚类算法将所有行人图像的行人特征向量聚类为多个簇；

判断所述簇中的行人特征向量是否大于预设向量阈值，若是，则将所述簇作为目标簇；

统计所述目标簇的总数量，并将统计出的总数量作为行人数量。

4.根据权利要求3所述的行人重识别的方法，其特征在于，所述将所述行人数量作为分组数量K并根据每个行人图像的行人特征信息，将所有行人图像形成K个分组，以使属于同一行人的行人图像位于一个分组中，包括：

将所有目标簇中的行人特征向量形成向量特征集合；

将所述行人数量作为K-MEANS聚类算法中的分组数量K，并利用K-MEANS聚类算法将所述向量特征集合中的行人特征向量聚类为K个分组。

5.根据权利要求4所述的行人重识别的方法，其特征在于，在所述利用K-MEANS聚类算法将所述向量特征集合中的行人特征向量聚类为K个分组之后，所述方法还包括：

为不同的分组设置不同的行人标识；其中，同一分组的行人特征向量具有相同的行人标识；

将所述行人特征向量的行人标识赋予与所述行人特征向量对应的行人图像，以使属于同一行人的行人图像具有相同的行人标识；

将具有行人标识的行人图像形成行人图像数据库。

6.一种行人重识别的装置，其特征在于，所述装置包括：

获取模块，用于获取待处理的行人图像，并分别从每个行人图像中提取出行人特征信息；

确定模块，用于根据每个行人图像的行人特征信息，确定出与所有行人图像对应的行人数量；

分组模块，用于将所述行人数量作为分组数量K并根据每个行人图像的行人特征信息，将所有行人图像形成K个分组，以使属于同一行人的行人图像位于一个分组中。

7.根据权利要求6所述的行人重识别的装置，其特征在于，所述获取模块，用于：

利用预设的CNN卷积神经网络从所述行人图像中提取出N个行人特征信息，并根据所述N个行人特征信息形成所述行人图像的1*N维度的行人特征向量。

8.根据权利要求7所述的行人重识别的装置，其特征在于，所述确定模块，用于：

利用DBSCAN聚类算法将所有行人图像的行人特征向量聚类为多个簇；判断所述簇中的行人特征向量是否大于预设向量阈值，若是，则将所述簇作为目标簇；统计所述目标簇的总数量，并将统计出的总数量作为行人数量。

9.一种计算机设备，所述计算机设备包括：存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述方法的步骤。