【技术实现步骤摘要】
行人再识别方法、装置及电子设备
本专利技术涉及图像处理
，特别涉及基于多帧信息融合的视频行人再识别方法、装置及电子设备。
技术介绍
行人再识别也称行人重识别，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。而视频行人再识别是指在监控视频中识别出某个特定的已经在监控网络中出现过的行人，即对监控网络中的同一个行人进行再次识别。相关技术中，视频行人再识别方法一般采用固定部件划分策略，来定位人体的三个部件(人体肩部以上的部分、人体肩部到腰部之间的上半身部分、人体腰部以下的下半身部分)，也即，无论对于何种情形的图像序列，现有视频行人再识别都将每帧图像划分为上、中、下这三个区域，以实现对人体肩部以上部分、上半身部分和下半身部分的定位。从上述描述可知，现有视频行人再识别方法有效的前提条件是：人体需要占满整个图像区域、且人体所有部件都必须存在于图像中。然而，在复杂的监控场景下，并不能保证所有采集到的图像都能满足所述前提条件。当人体未占满整个图像区域或人体某个部件不存在于图像中时，现有视频行人再识别方法会...
【技术保护点】
1.一种行人再识别方法，其特征在于，包括：/n将图像帧序列中各图像帧的图像特征输入已训练的注意力模型，以由所述注意力模型输出各图像帧中人体部件特征信息和标签信息；/n根据所述注意力模型输出的人体部件标签信息，确定人体部件特征信息的有效性以及所属的部件类别；/n将属于同一部件类别且有效的人体部件特征信息进行融合得到目标特征信息；/n根据所述目标特征信息识别行人。/n
【技术特征摘要】
1.一种行人再识别方法，其特征在于，包括：
将图像帧序列中各图像帧的图像特征输入已训练的注意力模型，以由所述注意力模型输出各图像帧中人体部件特征信息和标签信息；
根据所述注意力模型输出的人体部件标签信息，确定人体部件特征信息的有效性以及所属的部件类别；
将属于同一部件类别且有效的人体部件特征信息进行融合得到目标特征信息；
根据所述目标特征信息识别行人。
2.根据权利要求1所述的方法，其特征在于，所述注意力模型包括两个以上的注意力子模型，不同注意力子模型对应不同人体部件；各注意力子模型用于确定其对应的人体部件的人体部件特征信息和标签信息；
所述注意力模型输出各图像帧中人体部件特征信息和标签信息，包括：
各注意力子模型根据输入的各图像帧的图像特征，确定其对应的人体部件在各图像帧的位置信息，并根据所述位置信息确定并输出其对应的人体部件特征信息和标签信息。
3.根据权利要求1所述的方法，其特征在于，所述根据注意力模型输出的人体部件标签信息，确定人体部件特征信息的有效性以及所属的部件类别，包括：
将人体部件标签信息与预设的基准标签信息进行匹配；所述基准标签信息包括无效标签信息和至少两个基准部件标签信息，不同基准部件标签信息对应不同部件类别；
若所述人体部件标签信息与无效标签信息匹配，则确定所述人体部件特征信息无效，并确定所述人体部件特征信息所属的部件类别为无效部件类别；
若所述人体部件标签信息与任一基准部件标签信息匹配，则确定所述人体部件特征信息有效，并确定所述人体部件特征信息所属的部件类别为匹配的基准部件标签信息对应的部件类别。
4.根据权利要求1所述的方法，其特征在于，将属于同一部件类别且有效的人体部件特征信息进行融合得到目标特征信息，包括：
通过加权融合算法计算属于同一部件类别且有效的各人体部件特征信息的融合权重值；
根据属于同一部件类别且有效的各人体部件特征信息的融合权重值，对属于同一部件类别且有效的各人体部件特征信息进行融合得到目标特征信息。
5.根据权利要求1所述的方法，其特征在于，根据所述目标特征信息识别行人，包括：
将不同部件类别的目标特征信息进行拼接得到行人特征；
计算所述行人特征和已获取的目标行人特征之间的特征相似度；
根据所述特征相似度得到识别结果。
6.根据权利要求2所述的方法，其特征在于，所述注意力子模型通过基于图像样本序列训练得到，训练过程包括：
通过卷积神经网络对图像样本序列进行特征信息提取，得到样本特征序列；
向待训练的各注意力子模型输入所述样本特征序列，得到所述样本特征序列的各图像帧中对应人体部件的预测特征信息和预测标签信息；
根据各注意力子模...
【专利技术属性】
技术研发人员：卢晶，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
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。