[发明专利]视频行人重识别方法、装置、电子设备及可读存储介质

权利要求书

1.一种视频行人重识别方法，其特征在于，包括：

获取待处理行人序列，所述待处理行人序列包括至少一个图像帧；

针对每个所述图像帧，训练得到所述图像帧的相关滤波器后，使用所述相关滤波器分别作用于各个所述图像帧，获得各个所述图像帧对应的相关响应图，并根据各个所述相关响应图，计算所述图像帧的质量分值；

基于每个所述图像帧的质量分值，生成所述待处理行人序列的图像质量分布曲线；

在图像质量分布曲线上选取目标峰值点，并选取每个所述目标峰值点对应的目标序列片段，所述目标峰值点为质量分值大于预设阈值的峰值点，所述目标序列片段包括所述目标峰值点对应的图像帧和所述目标峰值点的邻域对应的图像帧；

提取各个所述目标序列片段的特征，并根据各个所述目标序列片段的特征得到所述待处理行人序列的特征；

针对参考集中每个参考行人序列，基于各个所述目标序列片段的特征，计算各个所述目标序列片段与所述参考行人序列的对应序列片段之间的片段距离向量后，将各个片段距离向量进行线性加权得到所述待处理行人序列和所述参考行人序列之间的距离向量；

根据各个所述距离向量，构建所述待处理行人序列的差异性矩阵，并将所述差异性矩阵输入预先构建的压缩网络，获得所述压缩网络输出的所述待处理行人序列的差异性描述子；

计算所述待处理行人序列的特征和预存储的各个目标行人序列的特征之间的第一相似度，计算所述待处理行人序列的差异性描述子和各个所述目标行人序列的差异性描述子之间的第二相似度，并根据所述第一相似度和所述第二相似度，得到行人重识别结果；

其中，根据各个所述相关响应图，计算所述图像帧的质量分值，包括：

通过公式，计算所述图像帧的质量分值；

其中，表示第t帧图像帧的质量分值，表示第t帧图像的相关滤波器作用于第i帧图像得到的相关响应图，T表示所述待处理行人序列包括T张图像帧。

2.如权利要求1所述的方法，其特征在于，每个所述图像帧的相关滤波器的训练过程，包括：

对所述图像帧进行循环采样，获得所述图像帧对应的训练样本；

通过高斯函数给每个训练样本赋予标签；

根据所述训练样本和所述标签，训练所述图像帧的相关滤波器，得到训练完成的所述相关滤波器。

3.如权利要求1所述的方法，其特征在于，提取各个所述目标序列片段的特征，并根据各个所述目标序列片段的特征得到所述待处理行人序列的特征，包括：

针对每个所述目标序列片段，使用预先训练完成的深度神经网络提取各个所述目标序列片段中各个图像帧的深度特征后，将所述目标序列片段中所有所述图像帧的深度特征进行平均池化，得到所述目标序列片段的特征；

将各个所述目标序列片段的特征进行平均池化，得到所述待处理行人序列的特征。

4.如权利要求1至3任一项所述的方法，其特征在于，基于各个所述目标序列片段的特征，计算各个所述目标序列片段与所述参考行人序列的对应序列片段之间的片段距离向量后，将各个片段距离向量进行线性加权得到所述待处理行人序列和所述参考行人序列之间的距离向量，包括：

通过公式，计算所述待处理行人序列和各个所述参考行人序列之间的距离向量；

其中，所述待处理行人序列包括M个目标序列片段，表示目标行人序列中的第i个目标序列片段的特征；所述参考行人序列包括N个序列片段，表示参考行人序列中的第j个序列片段的特征；表示序列片段和序列片段之间的片段距离向量。

5.如权利要求4所述的方法，其特征在于，根据各个所述距离向量，构建所述待处理行人序列的差异性矩阵，包括：

基于各个所述距离向量，构建所述目标行人序列的差异性矩阵；

表示待处理行人序列和参考行人序列之间的距离向量；表示所述参考集中包括个所述参考行人序列。

6.如权利要求1所述的方法，其特征在于，根据所述第一相似度和所述第二相似度，得到行人重识别结果，包括：

将所述第一相似度和所述第二相似度进行线性加权，获得最终相似度，以得到所述行人重识别结果。