[发明专利]一种基于外观与形态解耦的长时期跨摄像头目标关联方法及系统

权利要求书

1.一种基于外观与形态解耦的长时期跨摄像头目标关联方法，包括以下步骤：

输入长时期跨摄像头目标关联数据集中的训练图像；

对输入的训练图像进行人体稠密解析估计；

利用边缘估计方法对得到的人体稠密解析估计结果进行处理，以提取人体轮廓图像；

求取训练图像与人体轮廓图像的残差，得到人体外观图像；

利用形态表征模型对人体轮廓图像进行高级语义特征提取；

利用外观表征模型对人体外观图像进行高级语义特征提取；

利用三元组损失函数和识别损失函数对提取的特征进行监督学习，实现外观表征模型和形态表征模型的参数优化；

采用学习的形态表征模型和外观表征模型对待查询行人图像和候选行人图像提取形态特征和外观特征，通过计算特征间的距离作为相似性得分，选取相似性得分最高的候选行人为跨摄像头场景中的关联目标。

2.如权利要求1所述的方法，其特征在于，采用所述人体稠密解析估计对原始的行人图像进行变换，以便于进一步的提取人体轮廓图像。

3.如权利要求1所述的方法，其特征在于，通过计算所述残差实现行人图像中外观信息与形态信息的显式解耦。

4.如权利要求1所述的方法，其特征在于，所述形态表征模型和所述外观表征模型为相同的模型，但参数不共享。

5.如权利要求1所述的方法，其特征在于，采用所述三元组损失函数和所述识别损失函数同时监督形态特征和外观特征的学习。

6.如权利要求1所述的方法，其特征在于，所述采用学习的形态表征模型和外观表征模型对待查询行人图像和候选行人图像提取形态特征和外观特征，包括：

对待查询行人图像和候选行人图像进行人体轮廓图像提取和人体外观图像提取；

采用学习的形态表征模型和外观表征模型分别从人体轮廓图像和人体外观图像提取形态特征和外观特征；

将从同一行人图像提取的形态特征和外观特征进行串联，组合为最终的行人特征。

7.如权利要求1所述的方法，其特征在于，采用余弦距离得到所述相似性得分，以比较待查询行人图像和候选行人图像间的相似性。

8.一种基于外观与形态解耦的长时期跨摄像头目标关联系统，其特征在于，包括：

图像预处理模块，负责对输入的训练图像进行人体稠密解析估计，并利用边缘估计方法对得到的人体稠密解析估计结果进行处理，以提取人体轮廓图像，然后求取训练图像与人体轮廓图像的残差，得到人体外观图像；

长时期跨摄像头目标关联模型训练模块，负责对长时期跨摄像头目标关联模型中的行人形态表征模型和外观表征模型进行参数优化学习；在三元组损失函数和识别损失函数的监督下，对两个表征模型的参数进行优化；

长时期跨摄像头目标关联模块，负责将待查询行人图像与候选行人图像分别输入图像预处理模块中，提取相应的人体轮廓图像和人体外观图像；然后，分别将得到的人体轮廓图像和人体外观图像送入由长时期跨摄像头目标关联模型训练模块训练得到的形态表征模型和外观表征模型，以提取对应图像的形态特征和外观特征；接着，通过串联形态特征和外观特征，得到待查询行人图像和候选行人图像的最终行人特征；最后，通过比较二者间的相似性，确定候选行人图像是否为目标，实现长时期跨摄像头目标关联。

9.一种电子装置，其特征在于，包括存储器和处理器，所述存储器存储计算机程序，所述计算机程序被配置为由所述处理器执行，所述计算机程序包括用于执行权利要求1～7中任一权利要求所述方法的指令。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储计算机程序，所述计算机程序被计算机执行时，实现权利要求1～7中任一权利要求所述的方法。