用于非机动车的重识别的方法、装置及计算机存储介质制造方法及图纸

本发明专利技术提供了一种用于非机动车的重识别的方法、装置及计算机存储介质。该方法包括：确定待检测图片中的非机动车图片和驾驶员图片；确定所述非机动车图片的第一特征向量以及所述驾驶员图片的第二特征向量；将所述第一特征向量与所述第二特征向量进行融合，得到所述待检测图片的特征向量；通过将所述特征向量与数据库中的图片特征向量进行比对，得到重识别的结果。由此可见，本发明专利技术实施例在对非机动车进行重识别时，同时考虑了该非机动车上的驾驶员的特征向量，使得得到的非机动车所在的图片的特征向量更加准确，进而能够保证得到的重识别结果更加可靠。

Recognition methods, devices and computer storage media for non motor vehicles

【技术实现步骤摘要】
用于非机动车的重识别的方法、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非机动车的重识别的方法、装置及计算机存储介质。
技术介绍
在视频结构化的应用中，对具有相同标识(ID)的对象的重新识别(re-identification，ReID)是十分重要的。重识别(ReID)也称为再识别，可以应用于安防、刑侦等相关领域，主要用于在一组图像中找到和目标最像的一张或若干张图像。其中的目标可以是各种对象，诸如行人、汽车等。在目标为非机动车时，目前进行非机动车重识别时，会直接对非机动车的检测区域进行特征提取，在该检测区域中一般会包含驾驶员的部分身体部位，由于驾驶员的衣服、姿态等等会对非机动车的检测区域造成极大的干扰，进而造成非机动车重识别的准确率较低。
技术实现思路
本专利技术提供了一种用于非机动车的重识别的方法、装置及计算机存储介质，能够提高非机动车重识别的准确率。根据本专利技术的一方面，提供了一种用于非机动车的重识别的方法，所述方法包括：确定待检测图片中的非机动车图片和驾驶员图片；...

【技术保护点】
1.一种用于非机动车的重识别的方法，其特征在于，所述方法包括：/n确定待检测图片中的非机动车图片和驾驶员图片；/n确定所述非机动车图片的第一特征向量以及所述驾驶员图片的第二特征向量；/n将所述第一特征向量与所述第二特征向量进行融合，得到所述待检测图片的特征向量；/n通过将所述特征向量与数据库中的图片特征向量进行比对，得到重识别的结果。/n

【技术特征摘要】
1.一种用于非机动车的重识别的方法，其特征在于，所述方法包括：
确定待检测图片中的非机动车图片和驾驶员图片；
确定所述非机动车图片的第一特征向量以及所述驾驶员图片的第二特征向量；
将所述第一特征向量与所述第二特征向量进行融合，得到所述待检测图片的特征向量；
通过将所述特征向量与数据库中的图片特征向量进行比对，得到重识别的结果。


2.根据权利要求1所述的方法，其特征在于，所述将所述第一特征向量与所述第二特征向量进行融合，得到所述待检测图片的特征向量，包括：
将所述第一特征向量与所述第二特征向量进行对应位相加，得到所述待检测图片的特征向量。


3.根据权利要求2所述的方法，其特征在于，所述待检测图片的特征向量表示为fall，且所述特征向量的第i个元素falli满足：
falli＝fpersoni+fcyclei，i＝1,2,...,N，
其中，fcyclei表示所述第一特征向量fcycle的第i个元素，fpersoni表示所述第二特征向量fperson的第i个元素，N表示特征向量的元素的数量。


4.根据权利要求1所述的方法，其特征在于，所述将所述第一特征向量与所述第二特征向量进行融合，得到所述待检测图片的特征向量，包括：
将所述第一特征向量与所述第二特征向量进行拼接，得到所述待检测图片的特征向量。


5.根据权利要求4所述的方法，其特征在于，所述待检测图片的特征向量表示为fall，且满足：
fall＝[fperson；fcycle]，或者，fall＝[fcycle；fperson]，
其中，fcycle表示所述第一特征向量，fperson表示所述第二特征向量。


6.根据权利要求1至5中任一项所述的方法，其特征在于，所述确定所述非机动车图片的第一特征向量以及所述驾驶员...

【专利技术属性】
技术研发人员：陈军如，
申请(专利权)人：北京迈格威科技有限公司，
类型：发明
国别省市：北京;11