The invention discloses a method for realizing pedestrian re-recognition, which relates to the technical field of pedestrian re-recognition. The invention comprises the following steps: S1, designated pedestrian; S2, generating bounding box 1 sequence and adding probe data set; S3: face detection; S4: estimated position; S5: reduced candidate picture set B; S6: trajectory tracking; S7: face detection; S8: adjusted confidence, pedestrian re-recognition. Through comprehensive decision-making of pedestrian recognition confidence and face recognition confidence, we can judge whether pedestrians in bounding box 2 sequence are pedestrians H1 or not. If so, the corresponding bounding box sequence of pedestrians is added to P1, and the corresponding face of pedestrians is added to P2 to complete pedestrian recognition. The method realizes cross-camera by pedestrian detection and tracking, Aligned Reid pedestrian recognition model and other technologies. The automatic pedestrian recognition of the image head improves the recognition accuracy.
【技术实现步骤摘要】
一种行人重识别实现方法
本专利技术涉及行人重识别
，更具体的是涉及一种行人重识别实现方法。
技术介绍
图像和视频相关应用在人们日常生活中的地位日益突出，行人重识别(Personre-identification，reid)技术近几年与人们日常生活联系越来越强，尤其是监控、安防等领域中。行人重识别是指给定某一摄像机拍摄的行人图像，检索跨摄像头中的同一行人图像的问题。需要注意的是，行人重识别往往与人脸识别是相互替代的关系，在监控视频中图像受限于摄像头的分辨率和拍摄角度，无法得到高质量人脸图片，在此类似条件下行人重识别技术就是及其重要的。行人重识别的一般技术流程是：通过手工设计特征的模型或者使用经过预训练的深度网络模型，得到合适的衡量行人图像之间的相似度或距离判别方法，然后对一个摄像头拍摄的目标行人图像，将其与其他摄像头拍摄的大量行人图像进行匹配，找到相似性最高或特征距离最小的行人图像，从而实现目标行人的再识别，然而现有技术存在以下缺陷：1、准确率低传统方法一方面使用模型的拟合效果不佳，造成准确率较低；另一方面没有对拍摄的图像质量进行筛选，导致数据集中图像质量不佳...
【技术保护点】
1.一种行人重识别实现方法，基于按照一定的方式排列的摄像头C1、C2、C3、…、CN，上述摄像头视角不同，设当前行人出现在摄像头C1某一时段T1的视频录像中，并保持行进状态，其特征在于，包括如下步骤：S1、指定行人：在摄像头C1的时段T1的视频画面内，指定行人H1；S2、产生bounding box1序列，加入probe数据集：对摄像头C1中时段T1内的行人H1轨迹进行跟踪，记录行人H1的行走方向和速度，产生行人H1的bounding box1序列，并对bounding box1序列进行筛选，将筛选后的bounding box1序列加入probe数据集，记为P1；S3：人脸...
【技术特征摘要】
1.一种行人重识别实现方法，基于按照一定的方式排列的摄像头C1、C2、C3、…、CN，上述摄像头视角不同，设当前行人出现在摄像头C1某一时段T1的视频录像中，并保持行进状态，其特征在于，包括如下步骤：S1、指定行人：在摄像头C1的时段T1的视频画面内，指定行人H1；S2、产生boundingbox1序列，加入probe数据集：对摄像头C1中时段T1内的行人H1轨迹进行跟踪，记录行人H1的行走方向和速度，产生行人H1的boundingbox1序列，并对boundingbox1序列进行筛选，将筛选后的boundingbox1序列加入probe数据集，记为P1；S3：人脸检测：对筛选后的boundingbox1序列进行人脸检测，将检测结果加入probe数据集，记为P2；S4：估算位置，产生boundingbox2序列：根据行人H1的行走方向和速度，使用时空搜索算法依次选择其他摄像头并计算行人H1出现在其中的估算时段，分别对其他各摄像头的各估算时段的视频画面进行行人检测，产生包含所有候选人的boundingbox2序列，并对boundingbox2序列进行筛选，将筛选后的boundingbox2序列加入候选人图片集B；S5：缩小候选人图片集B：通过ReID算法，使用P1对候选人图片集B进行评估，按照置信度从大到小进行排序，返回前K个置信度的候选人；S6：轨迹跟踪：对于所述前K个候选人分别在对应摄像头视频画面中进行轨迹跟踪，产生K组boundingbox序列，加入gallery数据集中，记为G1；S7：人脸检测：在K组boundingbox序列中检测人脸，将检测到的人脸加入gallery数据集中，记为G2；S8：调整置信度，行人重识别：通过ReID算法，使用P1对G1进行评估，再通过行人重识别模型对候选人置信度进行调整，得到行人重识别置信度；通过人脸识别算法，使用P2对G2进行评估，得到人脸识别置信度；通过行人...
【专利技术属性】
技术研发人员：温序铭，袁琦，王炜，罗宏智，
申请(专利权)人：成都索贝数码科技股份有限公司，
类型：发明
国别省市：四川,51
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。