【技术实现步骤摘要】
结合区域分布的多尺度行人重识别方法、系统、介质及终端
本专利技术属于图像处理
，特别是涉及一种结合区域分布的多尺度行人重识别方法、系统、介质及终端。
技术介绍
对行人图像上行人的相似性判断，从而确定两张行人图像上的行人是否为同一人的技术可应用在很多领域，特别是行人重识别
，行人重识别(Personre-Identification)也称行人再识别，是利用计算机视觉技术判断图像或视频序列中是否存在特定行人的技术，广泛被认为是一个图像检索的子问题；给定一个监控行人图像，检索跨设备下的该行人图像，旨在弥补目前固定的摄像头的视觉局限，并可与行人检测/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。在进行行人重识别时，通过对采集到的行人图像上行人的相似性的判断，确定行人的行为轨迹或者通过将确定为同一行人的行人图像结合，以实现快速找到特定的行人；或者是在道路安全领域，通过摄像设备采集的行人图像，确定同一行人在固定时间段内违反道路安全交通准则的次数，以根据该次数决定是否对该行人执行惩罚措施及惩罚的力度；由...
【技术保护点】
1.一种结合区域分布的多尺度行人重识别方法，其特征在于，所述结合区域分布的多尺度行人重识别方法包括以下步骤：/n从一行人图像上提取出特征信息，并输出包含所述特征信息的特征图；/n在所述特征图上预测人体部位的区域分布，以生成对应所述人体部位的概率图，并基于所述概率图生成对应所述人体部位的第一可见性分数；所述人体部位是预定义的分割区域；/n根据所述特征图和所述概率图进行特征提取，以提取出对应所述人体部位的第一特征；/n分别对所述第一特征和所述第一可见性分数进行合并操作，以分别获取第二特征和第二可见性分数；/n对另一行人图像执行上述步骤，以获取相应的第三特征、第三可见性分数、第四...
【技术特征摘要】
1.一种结合区域分布的多尺度行人重识别方法，其特征在于，所述结合区域分布的多尺度行人重识别方法包括以下步骤：
从一行人图像上提取出特征信息，并输出包含所述特征信息的特征图；
在所述特征图上预测人体部位的区域分布，以生成对应所述人体部位的概率图，并基于所述概率图生成对应所述人体部位的第一可见性分数；所述人体部位是预定义的分割区域；
根据所述特征图和所述概率图进行特征提取，以提取出对应所述人体部位的第一特征；
分别对所述第一特征和所述第一可见性分数进行合并操作，以分别获取第二特征和第二可见性分数；
对另一行人图像执行上述步骤，以获取相应的第三特征、第三可见性分数、第四特征和第四可见性分数；
根据所述行人图像对应的所述第一可见性分数、所述第二可见性分数、所述第一特征和所述第二特征及另一所述行人图像对应的第三可见性分数、第四可见性分数、第三特征和第四特征，计算两个所述行人图像的特征距离，以度量两个所述行人图像上行人的相似性，实现行人重识别。
2.根据权利要求1所述的结合区域分布的多尺度行人重识别方法，其特征在于，从一行人图像上提取出特征信息，并输出包含所述特征信息的特征图包括：将所述行人图像输入到端到端的卷积神经网络，所述行人图像经所述卷积神经网络的卷积层处理，输出所述特征图。
3.根据权利要求1所述的结合区域分布的多尺度行人重识别方法，其特征在于，在所述特征图上预测人体部位的区域分布，以生成对应所述人体部位的概率图，并基于所述概率图生成对应所述人体部位的第一可见性分数包括以下步骤：
将所述特征图输入预先训练的区域分布计算模型，输出所述概率图；
将所述概率图上的每个像素点的值累加生成所述第一可见性分数。
4.根据权利要求3所述的结合区域分布的多尺度行人重识别方法，其特征在于，在将所述特征图输入预先训练的区域分布计算模型之前，所述结合区域分布的多尺度行人重识别方法还包括：通过自监督学习网络训练所述区域分布计算模型。
5.根据权利要求1所述的结合区域分布的多尺度行人重识别方法，其特征在于，根据所述特征图和所述概率图进行特征提取，以提取出对应所述人体部位的第一特征包括：将所述特征图和所述概率图输入到多尺度特征提取器，使所述概率图与所述特征图相乘，以提取出所述第一特征。
6.根据权利要求1所述的结合区域分布的多尺度行人重识别方法，其特征在于，分别对所述第一特征和所述第一可见性分数进行合并操作，以分别获取第二特征和第二可见性分数包括以下步骤：
将所述第一特征合并为一级特征，以获取所述第二特征；
对...
【专利技术属性】
技术研发人员：王海涛，成西锋，袁德胜，姚磊，张宏俊，王作辉，游浩泉，刘耀文，吴贺丰，
申请(专利权)人：汇纳科技股份有限公司，
类型：发明
国别省市：上海;31
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。