一种基于时空信息的行人重识别方法及装置制造方法及图纸

本发明专利技术公开了一种基于时空信息的行人重识别方法及装置，该基于时空信息的行人重识别方法包括：获取待识别图像集；根据所述待识别图像集得到目标待识别图像集；根据预设的卷积神经网络模型提取所述目标待识别图像集的目标特征，所述目标特征包括时间特征和空间特征；获取所述目标特征的余弦距离，并根据所述余弦距离确定所述目标特征的相似度；根据所述相似度和时空概率确定行人重识别结果。本发明专利技术通过提取行人图像的时间信息和空间信息并根据时间信息和空间信息来对行人进行识别，从而提高视频行人重识别的准确率。

【技术实现步骤摘要】
一种基于时空信息的行人重识别方法及装置
本专利技术涉及模型构造
，具体涉及一种基于时空信息的行人重识别方法及装置。
技术介绍
行人重识别是指在不同摄像头场景下识别出行人身份的技术，是视频监控分析技术中非常重要的一部分，在智能视频监控、预防犯罪发生、维护社会治安等方面发挥着重要的作用。近年来，深度学习的方法被广泛应用图像分类、目标识别等多个计算机视觉领域，相比于传统人工设计方法，深度学习能够取得更好的性能,然而由于监控视频比较复杂，受到剧烈变化的光照、天气、视角变换、行人姿态等因素的影响，以及成像设备分辨率差的影响，使得在不同摄像头下识别出同一行人比较困难，行人重识别准确率低。
技术实现思路
本专利技术要解决的技术问题在于克服现有技术中行人重识别准确率低缺陷，从而提供一种基于时空模型的行人重识别方法及装置。根据第一方面，本专利技术实施例公开了一种基于时空信息的行人重识别方法，包括如下步骤：获取待识别图像集；根据所述待识别图像集得到目标待识别图像集；根据预设的卷积神经网络模型提取所述目标待识别图像集的目标特本文档来自技高网...

【技术保护点】
1.一种基于时空信息的行人重识别方法，其特征在于，包括如下步骤：/n获取待识别图像集；/n根据所述待识别图像集得到目标待识别图像集；/n根据预设的卷积神经网络模型提取所述目标待识别图像集的目标特征，所述目标特征包括时间特征和空间特征；/n获取所述目标特征的余弦距离，并根据所述余弦距离确定所述目标特征的相似度；/n根据所述相似度和时空概率确定行人重识别结果。/n

【技术特征摘要】
1.一种基于时空信息的行人重识别方法，其特征在于，包括如下步骤：
获取待识别图像集；
根据所述待识别图像集得到目标待识别图像集；
根据预设的卷积神经网络模型提取所述目标待识别图像集的目标特征，所述目标特征包括时间特征和空间特征；
获取所述目标特征的余弦距离，并根据所述余弦距离确定所述目标特征的相似度；
根据所述相似度和时空概率确定行人重识别结果。


2.根据权利要求1所述的方法，其特征在于，所述根据所述待识别图像集得到目标待识别图像集，包括：
对所述待识别图像集进行行人检测，得到第一待识别图像集；
对所述第一待识别图像集进行筛选，得到所述目标识别图像集。


3.根据权利要求2所述的方法，其特征在于，通过如下步骤确定所述时空概率：
获取行人图像的时间信息和空间信息；
根据所述时间信息和空间信息得到迁移时间差；
根据所述迁移时间差得到时空概率。


4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取训练图像集；
根据所述训练图像集对神经网络模型进行训练，得到一个卷积神经网络模型。


5.一种基于时空信息的行人重识别装置，其特征在于，包括：
第一获取模块，用于获取待识别图像集；
目标待识别图像集获取模块，用于根据所述待识别图像集得到目标待识别图像集；
提取模块，用于根据预设的卷积神经网络模型提取所述目标待识别图像集的目标特征，所述目标特征包括时间特征和空间特征；<...

【专利技术属性】
技术研发人员：邓练兵，杨兴，吴浩清，
申请(专利权)人：珠海大横琴科技发展有限公司，
类型：发明
国别省市：广东;44