The present invention provides a method and apparatus for identifying a heavy, deep learning based on the pedestrian, the method includes: respectively obtain the target image and the reference image from the pedestrian pedestrian first video stream and video stream in second, the first video stream and video stream for second different angles of the camera in the preset area video captured by; pre trained deep learning network model, image feature extraction of image as the first target pedestrian image features, and extract the reference image features as second pedestrian image feature; feature similarity based image feature and image feature of the first second; if the similarity accords with the preset requirements, determine the target image in the pedestrian pedestrian target and reference pedestrians in images for the same reference pedestrian pedestrian, the deep learning technology learning target pedestrian The implicit features of images and reference pedestrian images overcome the coupling problem of pedestrian images in traditional pedestrian recognition methods, and the dexterity is better.
【技术实现步骤摘要】
一种基于深度学习的行人重识别方法和装置
本专利技术涉及模式识别
,具体而言,涉及一种基于深度学习的行人重识别方法和装置。
技术介绍
行人重识别,即是指在照射区域无重叠的多摄像头画面下自动匹配同一行人对象的技术,用以快速准确地发现行人对象在多摄像头下的活动画面和轨迹。虽然行人重识别技术在视频控制、智能交通、多媒体检索等领域有着广泛的应用前景,但是由于行人重识别中的图片来源于不同的摄像头,而不同摄像头所处的角度、光照等环境的影响,同一个行人的不同图片中,外貌特征会有一定程度的变化;相反,由于行人姿势及摄像头角度的变化,在不同摄像头中,不同行人的外貌特征可能比同一个人的外貌特征更相似,因此,行人重识别依旧存在着巨大的应用挑战。为了解决上述问题,相关技术提出了一种行人重识别的方法,该方法首先将来自于两个不同的摄像头的一对行人图像输入深度模型的网络结构,然后通过上述网络结构对上述一对图片进行特征提取和相似性比较,最终得到的是同一个人或者是不同人的似然概率。专利技术人在研究中发现,现有技术中的行人重识别的方法基于成对的行人图像才能够通过深度模型进行提取特征和行人识别,由于上述成对的行人图像不能解耦合,导致方法的灵活度较差。
技术实现思路
有鉴于此,本专利技术的目的在于提供一种基于深度学习的行人重识别方法和装置,采用深度学习技术自动学习出单张行人图像的隐含特征,克服了传统的行人重识别的方法采用成对行人图像的耦合问题,灵活度较好。第一方面,本专利技术实施例提供了一种基于深度学习的行人重识别方法,所述方法包括:分别从第一视频流和第二视频流中获取目标行人图像和参考行人图像, ...
【技术保护点】
一种基于深度学习的行人重识别方法,其特征在于,包括:分别从第一视频流和第二视频流中获取目标行人图像和参考行人图像,所述第一视频流和所述第二视频流为不同角度的摄像头在预设区域内摄取的视频;利用预先训练好的深度学习网络模型,提取所述目标行人图像的图像特征作为第一图像特征,以及提取所述参考行人图像的图像特征作为第二图像特征;计算所述第一图像特征与所述第二图像特征的特征相似度;若所述特征相似度符合预设要求,则确定所述目标行人图像中的目标行人和所述参考行人图像中的参考行人为同一个行人。
【技术特征摘要】
1.一种基于深度学习的行人重识别方法,其特征在于,包括:分别从第一视频流和第二视频流中获取目标行人图像和参考行人图像,所述第一视频流和所述第二视频流为不同角度的摄像头在预设区域内摄取的视频;利用预先训练好的深度学习网络模型,提取所述目标行人图像的图像特征作为第一图像特征,以及提取所述参考行人图像的图像特征作为第二图像特征;计算所述第一图像特征与所述第二图像特征的特征相似度;若所述特征相似度符合预设要求,则确定所述目标行人图像中的目标行人和所述参考行人图像中的参考行人为同一个行人。2.根据权利要求1所述的方法,其特征在于,所述分别从第一视频流和第二视频流中获取目标行人图像和参考行人图像,包括:对所述第一视频流进行行人检测,得到对应的目标行人图像;对所述第二视频流进行行人检测,得到对应的参考行人图像。3.根据权利要求1或2所述的方法,其特征在于,所述深度学习网络模型通过以下步骤获得:基于标签标记的监督学习方法,建立包含行人重识别范围内行人图像的标记图片;其中,同一行人的不同角度的行人图像使用同一个标签标记;利用深度卷积神经网络对所述标记图片进行深度学习,得到对应于所述标记图片的所述行人图像的特征信息;利用随机梯度下降方法对所述特征信息进行训练,得到对应于所述行人图像的深度学习网络模型。4.根据权利要求1所述的方法,其特征在于,所述确定所述目标行人图像中的目标行人和所述参考行人图像中的参考行人为同一个行人,包括:查找所述特征相似度高于预设相似度阈值的参考行人图像;将特征相似度高于预设相似度阈值的参考行人图像所对应的参考行人确认为所述目标行人图像中的目标行人。5.根据权利要求1所述的方法,其特征在于,所述确定所述目标行人图像中的目标行人和所述参考行人图像中的参考行人为同一个行人,包括:按照所述特征相似度由高至低的排序顺序对所述参考行人图像进行排名,以生成相似度排名;在所述相似度排名中查找排名超过预定名次的参考行人图像;将排名超过预定名次的参考行人图像所对应的参考行人确认为所述目标行人图像中的目标行人。6.一种基于深...
【专利技术属性】
技术研发人员:赵瑞,徐静,
申请(专利权)人:深圳市深网视界科技有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。