行人特征的提取方法、装置、设备及介质制造方法及图纸

本申请公开了一种行人特征的提取方法、装置、设备及介质，涉及行人再识别技术领域。具体实现方案为：获取待处理的行人图像；采用至少两个图像特征尺度，以及至少两个处理粒度对所述行人图像进行处理，得到与所述行人图像对应的至少两个行人图像特征子向量；将所述至少两个行人图像特征子向量进行拼接，得到与所述行人图像对应的行人特征。本申请实现了在提高行人特征提取的准确度和可靠性的同时，降低计算复杂度。

Pedestrian feature extraction methods, devices, equipment and media

【技术实现步骤摘要】
行人特征的提取方法、装置、设备及介质
本申请实施例涉及图像识别技术，尤其涉及行人再识别
，具体涉及一种行人特征的提取方法、装置、设备及介质。
技术介绍
行人再识别(Personre-identification)，也称行人重识别，是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术，其广泛被认为是一个图像检索的子问题。在行人再识别中，一般给定一个监控行人的图像，进而检索跨设备下的该行人图像，其旨在弥补目前固定的摄像头的视觉局限，并可与行人检测或行人跟踪技术相结合，可广泛应用于智能视频监控、智能安保等领域。由于不同摄像设备之间的差异，同时行人间距刚性和柔性的特征，外观易受穿着、尺度、遮挡、姿态和视角等影响，使得其行人再识别成为计算机视觉领域中一个既具有研究价值，同时又极具挑战性的热门课题。目前，现有的行人再识别技术中对行人特征的提取对有多种实现方案，例如：基于人体全局特征的行人再识别方法、基于空间注意力模型的行人再识别方法、以及基于人体部件特征的行人再识别方法等。现有的行人特征提取方案中，或是特征提取的准确率不高本文档来自技高网...

【技术保护点】
1.一种行人特征的提取方法，其特征在于，包括：/n获取待处理的行人图像；/n采用至少两个图像特征尺度，以及至少两个处理粒度对所述行人图像进行处理，得到与所述行人图像对应的至少两个行人图像特征子向量；/n将所述至少两个行人图像特征子向量进行拼接，得到与所述行人图像对应的行人特征。/n

【技术特征摘要】
1.一种行人特征的提取方法，其特征在于，包括：
获取待处理的行人图像；
采用至少两个图像特征尺度，以及至少两个处理粒度对所述行人图像进行处理，得到与所述行人图像对应的至少两个行人图像特征子向量；
将所述至少两个行人图像特征子向量进行拼接，得到与所述行人图像对应的行人特征。


2.根据权利要求1所述的方法，其特征在于，采用至少两个图像特征尺度，和/或至少两个处理粒度，获取与所述行人图像对应的至少两个行人图像特征子向量，包括：
将所述行人图像输入至预先训练的行人再识别模型中，得到与所述行人图像对应的至少两个行人图像特征子向量；
其中，所述行人再识别模型包括至少两个计算分支，不同计算分支对应不同的图像特征尺度，和/或处理粒度。


3.根据权利要求2所述的方法，其特征在于，所述行人再识别模型具体包括：与第一图像特征尺度和第一处理粒度对应的第一计算分支，与第二图像特征尺度和第一处理粒度对应的第二计算分支，以及与第二图像特征尺度和第二处理粒度对应的第三计算分支；
其中，所述第一图像特征尺度大于所述第二图像特征尺度，所述第一处理粒度大于所述第二处理粒度。


4.根据权利要求3所述的方法，其特征在于，将所述行人图像输入至预先训练的行人再识别模型中，得到与所述行人图像对应的至少两个行人图像特征子向量，包括：
将所述行人图像输入至基础神经网络的低层部分，并将输出结果分别输入至所述行人再识别模型的第一计算分支进行处理，以及输入至所述基础神经网络的高层部分；
将所述基础神经网络的高层部分的输出结果分别输入至所述行人再识别模型的第二计算分支和第三计算分支进行处理；
得到所述行人再识别模型的第一计算分支输出的第一行人图像特征子向量、所述行人再识别模型的第二计算分支输出的第二行人图像特征子向量和所述行人再识别模型的第三计算分支输出的第三行人图像特征子向量。


5.根据权利要求4所述的方法，其特征在于，将输出结果输入至所述行人再识别模型的第一计算分支进行处理，包括：
对所述基础神经网络的低层部分的输出结果分别进行第一最大池化操作和第一平均池化操作，得到第一最大池化特征图和第一平均池化特征图；
将所述第一最大池化特征图和第一平均池化特征图进行第一逐像素相加操作，并将相加结果输入至第一卷积层，得到第一行人图像特征子向量。


6.根据权利要求4所述的方法，其特征在于，将所述基础神经网络的高层部分的输出结果输入至所述行人再识别模型的第二计算分支进行处理，包括：
对所述基础神经网络的高层部分的输出结果分别进行第二最大池化操作和第二平均池化操作，得到第二最大池化特征图和第二平均池化特征图；
将所述第二最大池化特征图和第二平均池化特征图进行第二逐像素相加操作，并将相加结果输入至第二卷积层，得到第二行人图像特征子向量。


7.根据权利要求4所述的方法，其特征在于，将所述基础神经网络的高层部分的输出结果输入至所述行人再识别模型的第三计算分支进行处理，包括：
对所述基础神经网络的高层部分的输出结果进行水平分块，得到多个中间特征图块；
对各所述中间特征图块分别进行块内最大池化操作和块内平均池化操作，得到第三最大池化特征图和第三平均池化特征图；
将所述第三最大池化特征图和第三平均池...

【专利技术属性】
技术研发人员：王之港，王健，文石磊，丁二锐，孙昊，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京;11