基于行人重识别的跨镜头的行人检索方法及系统技术方案

本发明专利技术提供了一种基于行人重识别的跨镜头的行人检索方法及系统，该方法包括以下步骤：S1，获取各个监控设备采集的监控视频；S2，对各监控设备采集的监控视频中的行人进行检测、跟踪，分割出行人图片并进行存储；S3，根据分割的行人图片计算行人特征；S4，根据各个行人的行人特征之间的相似度对行人进行分类，并将各行人的行人特征以及行人信息记录在对应的分类下，构成行人特征数据库；S5，计算待检索行人的行人特征，将待检索行人的行人特征与行人特征数据库中的参照特征进行对比得出待检索行人所属类别，该类别下的行人信息作为跨镜头行人检索的结果。本发明专利技术相对人工检索的方法而言，检索的工作量小、效率高，且结果准确。

【技术实现步骤摘要】
基于行人重识别的跨镜头的行人检索方法及系统
本专利技术涉及视频监控领域，尤其涉及一种基于行人重识别的跨镜头的行人检索方法及系统。
技术介绍
目前，摄像机已经得到广泛的应用，带来了视频信息的爆炸式增长，无论是政府管理部门、还是公共场所，都依托于视频监测系统对辖区进行管理。但是，视频采集的数据为非结构化信息，在视频信息检索与应用上，技术手段仍然低下、原始，难以满足应用的需求。例如，在商场或火车站旁寻找一个走失的孩子，只能通过人工的方式去查看辖区内的所有摄像机采集的录像，其非常耗时耗力。在视频侦查应用上，一个案件涉及的视频可能有几百T大小，通过人工方式看可能要一两个月；通过视频摘要工具进行分析，再人工观看，假设浓缩比为20:1，其工作量仍不可小觑；而人脸识别技术虽然准确率高，但是对视频场景、人脸大小要求严格，对于大部分普通视频难以满足人脸识别的要求，其应用效果以及效率都不甚理想。
技术实现思路
本专利技术的目的在于提供一种基于行人重识别的跨镜头的行人检索方法及系统，旨在用于解决现有的跨镜头行人检索方式工作量大、效率低、效果不理想的问题。本专利技术是这样实现的：一方面，本专利技术提供一种基于行人重识别的跨镜头的行人检索方法，包括以下步骤：S1，获取各个监控设备采集的监控视频；S2，对各监控设备采集的监控视频中的行人进行检测、跟踪，分割出行人图片并进行存储；S3，根据分割的行人图片计算行人特征；S4，根据各个行人的行人特征之间的相似度对行人进行分类，并将各行人的行人特征以及行人信息记录在对应的分类下，构成行人特征数据库；S5，计算待检索行人的行人特征，将待检索行人的行人特征与行人特征数据库中的参照特征进行对比得出待检索行人所属类别，该类别下的行人信息作为跨镜头行人检索的结果。进一步地，对每个监控设备采集的监控视频中的行人进行检测、跟踪，分割出行人图片并进行存储的方法具体包括：对监控设备采集的监控视频的多个视频帧通过目标检测方法检测出行人的位置信息，再利用近邻匹配算法对行人进行跟踪，得出行人进入和离开该监控设备监控范围内的时间，然后按照检测出的行人边界框位置进行图像分割，保存分割后的行人图片。进一步地，所述根据分割的行人图片计算行人特征具体包括：对行人图片通过深度学习模型抽取出行人的特征向量。进一步地，所述根据各个行人的行人特征之间的相似度对行人进行分类，并将各行人的行人特征以及行人信息记录在对应的分类下，构成行人特征数据库具体包括：当行人特征数据库中不存在参照特征时，在行人特征数据库中新建一个类别并将当前行人的行人特征以及出现的位置和时间信息记录到该类别下；当行人特征数据库中存在参照特征时，将当前行人的行人特征向量与行人特征数据库中的各参照特征向量进行求欧式距离，并按欧式距离从小到大对参照特征进行排序，选择欧氏距离最小并且满足预定阈值的参照特征，将当前行人分类到该参照特征所属的类别中，并将当前行人的行人特征以及出现的位置和时间信息记录到该类别下，若最小欧氏距离不满足预定阈值，则建立新的类别并将该行人的行人特征以及出现的位置和时间信息写入到新的类别下。进一步地，对于在同一监控设备采集的监控视频中出现的每个行人随机存储多张不同姿态的图片，将多张图片提取的的行人特征向量分别与参照特征向量进行求欧氏距离，并将多个结果合成作为该参照特征与该行人特征最终的相似度距离。进一步地，所述将多张图片提取的的行人特征向量分别与参照特征向量进行求欧氏距离的计算公式如下：其中，d(pi，gj)表示第i张图片提取的行人特征向量与序号为j的参照特征向量的欧式距离，pi表示当前行人的第i张图片提取的行人特征向量，gj表示行人特征数据库中序号为j的参照特征向量。进一步地，所述计算待检索行人的行人特征，将待检索行人的行人特征与行人特征数据库中的参照特征进行对比得出待检索行人所属类别具体包括：计算待检索行人的行人特征向量，将计算的行人特征向量与行人特征数据库中的各参照特征向量进行求欧式距离，选择欧氏距离最小的参照特征，该参照特征所属的类别就是该行人所属类别。进一步地，得出行人所属类别后，输出该类别下的行人出现的位置和时间信息以及欧式距离最小的k个参照特征对应的行人图片，其中k≥1。另一方面，本专利技术还提供一种基于行人重识别的跨镜头的行人检索系统，包括：视频数据获取模块，用于获取各个监控设备采集的监控视频；行人检测模块，用于对各监控设备采集的监控视频中的行人进行检测、跟踪，分割出行人图片并进行存储；行人特征计算模块，用于根据分割的行人图片计算行人特征；行人特征数据库建立模块，用于根据各个行人的行人特征之间的相似度对行人进行分类，并将各行人的行人特征以及行人信息记录在对应的分类下，构成行人特征数据库；行人检索模块，用于计算待检索行人的行人特征，将待检索行人的行人特征与行人特征数据库中的参照特征进行对比得出待检索行人所属类别，该类别下的行人信息作为跨镜头行人检索的结果。进一步地，所述行人检测模块具体用于：对监控设备采集的监控视频的多个视频帧通过目标检测方法检测出行人的位置信息，再利用近邻匹配算法对行人进行跟踪，得出行人进入和离开该监控设备监控范围内的时间，然后按照检测出的行人边界框位置进行图像分割，保存分割后的行人图片。与现有技术相比，本专利技术具有以下有益效果：本专利技术提供的这种基于行人重识别的跨镜头的行人检索方法及系统，对各监控设备采集的监控视频中的行人进行检测，根据各个行人的行人特征之间的相似度对行人进行分类，并将各行人的行人特征以及行人信息记录在对应的分类下构成行人特征数据库，从而在行人特征数据库中存储有每个行人在各个监控设备中出现的相关信息，对行人检索时，只需要计算待检索行人的行人特征，并与行人特征数据库中的行人特征进行对比就能得出该行人所属类别，进而得到该类别下的行人信息作为跨镜头行人检索的结果，该方法相对人工检索的方法而言，检索的工作量小、效率高，且结果准确。附图说明图1为本专利技术实施例提供的一种基于行人重识别的跨镜头的行人检索方法的流程图；图2为本专利技术实施例提供的一种基于行人重识别的跨镜头的行人检索系统的结构框图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。如图1所示，本专利技术实施例提供一种基于行人重识别的跨镜头的行人检索方法，包括以下步骤：S1，获取各个监控设备采集的监控视频；S2，对各监控设备采集的监控视频中的行人进行检测、跟踪，分割出行人图片并进行存储；S3，根据分割的行人图片计算行人特征；S4，根据各个行人的行人特征之间的相似度对行人进行分类，并将各行人的行人特征以及行人信息记录在对应的分类下，构成行人特征数据库；S5，计算待检索行人的行人特征，将待检索行人的行人特征与行人特征数据库中的参照特征进行对比得出待检索行人所属类别，该类别下的行人信息作为跨镜头行人检索的结果。本专利技术实施例提供的这种基于行人重识别的跨镜头的行人检索方法，对各监控设备采集的监控视频中的行人进行检测，根据各个行人的行人特征之间的相似度对行人进行分类，并将本文档来自技高网...

【技术保护点】
1.一种基于行人重识别的跨镜头的行人检索方法，其特征在于，包括以下步骤：S1，获取各个监控设备采集的监控视频；S2，对各监控设备采集的监控视频中的行人进行检测、跟踪，分割出行人图片并进行存储；S3，根据分割的行人图片计算行人特征；S4，根据各个行人的行人特征之间的相似度对行人进行分类，并将各行人的行人特征以及行人信息记录在对应的分类下，构成行人特征数据库；S5，计算待检索行人的行人特征，将待检索行人的行人特征与行人特征数据库中的参照特征进行对比得出待检索行人所属类别，该类别下的行人信息作为跨镜头行人检索的结果。

【技术特征摘要】
1.一种基于行人重识别的跨镜头的行人检索方法，其特征在于，包括以下步骤：S1，获取各个监控设备采集的监控视频；S2，对各监控设备采集的监控视频中的行人进行检测、跟踪，分割出行人图片并进行存储；S3，根据分割的行人图片计算行人特征；S4，根据各个行人的行人特征之间的相似度对行人进行分类，并将各行人的行人特征以及行人信息记录在对应的分类下，构成行人特征数据库；S5，计算待检索行人的行人特征，将待检索行人的行人特征与行人特征数据库中的参照特征进行对比得出待检索行人所属类别，该类别下的行人信息作为跨镜头行人检索的结果。2.如权利要求1所述的基于行人重识别的跨镜头的行人检索方法，其特征在于，对每个监控设备采集的监控视频中的行人进行检测、跟踪，分割出行人图片并进行存储的方法具体包括：对监控设备采集的监控视频的多个视频帧通过目标检测方法检测出行人的位置信息，再利用近邻匹配算法对行人进行跟踪，得出行人进入和离开该监控设备监控范围内的时间，然后按照检测出的行人边界框位置进行图像分割，保存分割后的行人图片。3.如权利要求1所述的基于行人重识别的跨镜头的行人检索方法，其特征在于，所述根据分割的行人图片计算行人特征具体包括：对行人图片通过深度学习模型抽取出行人的特征向量。4.如权利要求1所述的基于行人重识别的跨镜头的行人检索方法，其特征在于，所述根据各个行人的行人特征之间的相似度对行人进行分类，并将各行人的行人特征以及行人信息记录在对应的分类下，构成行人特征数据库具体包括：当行人特征数据库中不存在参照特征时，在行人特征数据库中新建一个类别并将当前行人的行人特征以及出现的位置和时间信息记录到该类别下；当行人特征数据库中存在参照特征时，将当前行人的行人特征向量与行人特征数据库中的各参照特征向量进行求欧式距离，并按欧式距离从小到大对参照特征进行排序，选择欧氏距离最小并且满足预定阈值的参照特征，将当前行人分类到该参照特征所属的类别中，并将当前行人的行人特征以及出现的位置和时间信息记录到该类别下，若最小欧氏距离不满足预定阈值，则建立新的类别并将该行人的行人特征以及出现的位置和时间信息写入到新的类别下。5.如权利要求4所述的基于行人重识别的跨镜头的行人检索方法，其特征在于：对于在同一监控设备采集的监控视频中出现的每个行人随机存储多张不...

【专利技术属性】
技术研发人员：姜黎，张仁辉，
申请(专利权)人：武汉烽火众智数字技术有限责任公司，
类型：发明
国别省市：湖北,42