【技术实现步骤摘要】
一种行人重识别、行人运动轨迹生成方法及装置
本专利技术涉及图像识别
，尤其涉及一种行人重识别、行人运动轨迹生成方法及装置。
技术介绍
当前，视频监控日益普遍，从而产生了巨大的视频数据资源，然而，由于人工查看、分析视频极其费时费力，这些海量的数据资源大多时候没有发挥出应有的价值。以图搜图作为一种视频分析技术，将极大地发挥监控视频数据的价值，为诸如跨摄像头目标跟踪、人员路径生成、犯罪嫌疑人查找等许多应用提供了技术支撑。近年来，以深度卷积神经网络为代表的深度学习技术在图像、视频的智能化分析方面取得了巨大成功，通用目标检测、跟踪等技术日趋成熟，达到了实用化的程度，行人重识别(行人以图搜图)也不例外。在行人重识别方面，现有技术公开了的技术方法包括：第一种是基于空间约束的行人重识别方法，该方法采用预先标定好的拍摄设备的位置及角度来计算投影矩阵，以实现像素坐标到真实世界的三维坐标的转换。该方案采用智能前端与智能服务器后端相结合的方式，以智能前端内的目标检测和跟踪为基础，结合空间信息在服务器后端聚合信息，从而实现行人重识别。第二种是结合时空和网络一致性的摄像机网络行人重识别...
【技术保护点】
1.一种行人重识别方法，其特征在于，所述方法包括：在监控视频中选取包含行人的图像；针对选取的任一图像，将该图像输入到预先训练完成的第一卷积神经网络模型中，提取该图像中的行人属性特征；针对任意两张图像，根据提取到的该两张图像中的行人属性特征，确定该两张图像的第一相似性值；针对任意一第一相似性值，判断该第一相似性值是否超过预设阈值，如果是，则该第一相似性值对应的两张图像中的行人为同一个人。
【技术特征摘要】
1.一种行人重识别方法，其特征在于，所述方法包括：在监控视频中选取包含行人的图像；针对选取的任一图像，将该图像输入到预先训练完成的第一卷积神经网络模型中，提取该图像中的行人属性特征；针对任意两张图像，根据提取到的该两张图像中的行人属性特征，确定该两张图像的第一相似性值；针对任意一第一相似性值，判断该第一相似性值是否超过预设阈值，如果是，则该第一相似性值对应的两张图像中的行人为同一个人。2.如权利要求1所述的方法，其特征在于，所述提取该图像中的行人属性特征之后，所述方法还包括：将该图像输入到预先训练完成的第二卷积神经网络模型中，提取该图像中行人的非结构化特征；所述判断该第一相似值是否超过预设阈值之前，所述方法还包括：针对任意两张图像，根据该两张图像的非结构化特征，确定该两张图像的第二相似性值；判断该第一相似性值是否超过预设阈值包括：判断该两张图像的第一相似性值及第二相似性值的和是否超过预设阈值。3.如权利要求1或2所述的方法，其特征在于，所述根据该两张图像中的行人属性特征，确定该两张图像的第一相似性值包括：根据以下公式：确定第一相似性值，其中，为当第一图像的行人属性特征中第n维属性特征的值attrin，与第二图像的行人属性特征中第n维属性特征的值相等时，值为1，否则为0，wn为行人属性特征中第n维属性特征对应的权重。4.如权利要求1所述的方法，其特征在于，所述行人属性特征包括以下至少一种：性别，衣服颜色，衣服款式，发型。5.如权利要求1所述的方法，其特征在于，所述预先训练第一卷积神经网络模型的过程包括：获取样本图像，其中所述样本图像中标注了图像中行人的行人属性特征中每一维属性特征的值；将每个样本图像输入到第一卷积神经网络模型中，根据每个第一卷积神经网络模型的输出，对所述卷积神经网络模型进行训练。6.一种基于如权利要求1-5任一项所述的行人重识别方法的行人运动轨迹生成方法，其特征在于，所述方法包括：在监控视频中获取每个行人的运动轨迹；针对获取的任一段运动轨迹，按照预设规则，在该段运动轨迹对应的视频图像中选取包含行人的图像；针对任意两段运动轨迹对应的图像，确定该两段运动轨迹对应的每个图像对，其中每个图像对中包含的两张图像分别对应于该两段运动轨迹，且该两段运动轨迹中每一段运动轨迹对应的任一图像都与另一运动轨迹对应的任一图像构成了图像对；针对每个图像对，将该图像对中的两张图像分别输入到预先训练完成的第一卷积神经网络模型中，提取该两张图像中的行人属性特征；根据提取到的行人属性特征，确定该图像对的第一相似性...
【专利技术属性】
技术研发人员：贺章平，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：浙江,33
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。