The embodiment of the present invention provides a method, device and computer storage medium for pedestrian recognition. The method includes: extracting the static characteristic vectors of pedestrians in each frame of video sequence; obtaining the action characteristic vectors of the pedestrians according to the static characteristic vectors of the pedestrians in the multi-frame images of the video sequence; and according to the action characteristic vectors of the pedestrians and the static characteristics of the pedestrians in the multi-frame images. The eigenvector is used to determine the eigenvector for pedestrian recognition. Thus, considering the walking posture and other motion features of pedestrians in video, the feature vectors for pedestrian recognition can be obtained by combining the static feature vectors with the action feature vectors, which can ensure the accuracy of subsequent pedestrian recognition and reduce the false recognition rate.
【技术实现步骤摘要】
用于行人重识别的方法、装置及计算机存储介质
本专利技术涉及图像处理领域,更具体地涉及一种用于行人重识别的方法、装置及计算机存储介质。
技术介绍
行人检测可以应用于智能驾驶、辅助驾驶和智能监控等相关领域,主要用于检测图像或视频中是否存在行人。行人重识别(re-identification,ReID)也称为行人再识别,可以应用于安防领域、刑侦领域等相关领域,主要用于在一组行人的图像中找到和目标最像的一张图像。但是,在行人重识别过程中,主要是通过对单帧图像中的行人特征进行匹配,对于静态特征类似的行人无法进行准确的区分,从而导致出现误识别的情况。
技术实现思路
考虑到上述问题而提出了本专利技术。本专利技术提供了一种用于行人重识别的方法、装置及计算机存储介质,在静态特征向量的基础上结合动作特征向量来得到用于行人重识别的特征向量,能够保证后续行人重识别的准确性,降低误识别率。根据本专利技术的一方面,提供了一种用于行人重识别的方法,所述方法包括:提取视频序列中的每一帧图像中行人的静态特征向量;根据所述视频序列中的多帧图像中所述行人的静态特征向量,得到所述行人的动作特征向量;根据所述行人的动作特征向量和所述多帧图像中所述行人的静态特征向量,确定用于行人重识别的特征向量。在本专利技术的一个实施例中,所述根据所述视频序列中的多帧图像中所述行人的静态特征向量,得到所述行人的动作特征向量,包括:将所述视频序列中的多帧图像中所述行人的静态特征向量输入至循环神经网络,并将所述循环神经网络的输出确定为所述行人的动作特征向量。在本专利技术的一个实施例中,所述根据所述行人的动作特征向量和所述多 ...
【技术保护点】
1.一种用于行人重识别的方法,其特征在于,所述方法包括:提取视频序列中的每一帧图像中行人的静态特征向量;根据所述视频序列中的多帧图像中所述行人的静态特征向量,得到所述行人的动作特征向量;根据所述行人的动作特征向量和所述多帧图像中所述行人的静态特征向量,确定用于行人重识别的特征向量。
【技术特征摘要】
1.一种用于行人重识别的方法,其特征在于,所述方法包括:提取视频序列中的每一帧图像中行人的静态特征向量;根据所述视频序列中的多帧图像中所述行人的静态特征向量,得到所述行人的动作特征向量;根据所述行人的动作特征向量和所述多帧图像中所述行人的静态特征向量,确定用于行人重识别的特征向量。2.根据权利要求1所述的方法,其特征在于,所述根据所述视频序列中的多帧图像中所述行人的静态特征向量,得到所述行人的动作特征向量,包括:将所述视频序列中的多帧图像中所述行人的静态特征向量输入至循环神经网络,并将所述循环神经网络的输出确定为所述行人的动作特征向量。3.根据权利要求1或2所述的方法,其特征在于,所述根据所述行人的动作特征向量和所述多帧图像中所述行人的静态特征向量,确定用于行人重识别的特征向量,包括:对所述视频序列中的所述多帧图像中行人的静态特征向量进行池化操作;根据所述行人的动作特征向量和所述池化后的行人的静态特征向量,确定所述用于行人重识别的特征向量。4.根据权利要求3所述的方法,其特征在于,所述根据所述行人的动作特征向量和所述池化后的行人的静态特征向量,确定所述用于行人重识别的特征向量,包括:将所述行人的动作特征向量和所述池化后的行人的静态特征向量进行整合,得到所述用于行人重识别的特征向量。5.根据权利要求4所述的方法,其特征在于,所述将所述行人的动作特征向量和所述池化后的行人的静态特征向量进行整合,包括:采用如下任一种方法将所述行人的动作特征向量和所述池化后的行人的静态特征向量进行整合:按位取平均、按位求和、合并。6.根据权利要求1或2所述的方法,其特征在于,还包括:基于所述用于行人重识别的特征向量,确定所述行人是否为目标行人。7.一种用于行人重识别的装置,其特征在于,所述装置包括:提取模块,用于提取...
【专利技术属性】
技术研发人员:徐子扬,张弛,
申请(专利权)人:北京旷视科技有限公司,北京迈格威科技有限公司,
类型:发明
国别省市:北京,11
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。