一种基于嵌入式平台的自动再识别方法及系统技术方案

本发明专利技术实施例提供一种基于嵌入式平台的自动再识别方法及系统，包括：获取待识别躯干数据和目标躯干数据，通过轻量级检测模型标识所述待识别躯干数据中的躯干，得到待识别图像；以及，通过轻量级检测模型检测并提取出所述目标躯干数据的躯干，得到目标图像；其中，所述躯干为人体的头部和上半身躯干，和/或，动物的躯干部位；将所述待识别图像与所述目标图像进行比对，得到所述待识别图像与所述目标图像的相似度，根据相似度判断待识别图像是否与目标图像内相匹配。只检测和再识别生物的躯干具有速度快、效果好、且能在嵌入式设备这种小载体上运行，从而突破了目前检测和再识别必须使用主机和服务器的限制。

【技术实现步骤摘要】
一种基于嵌入式平台的自动再识别方法及系统
本专利技术涉及图像处理技术，计算机视觉技术和深度学习领域，具体涉及一种基于嵌入式平台的自动再识别方法及系统。
技术介绍
随着计算机，人工智能和互联网技术的发展，图像处理已经变得越来越普遍。人脸识别，行人识别，车辆识别等应用在深度学习算法的推动下，效果变得越来越好，也在生活中发挥着日益重要的作用。这些算法，由于其应用场景广泛，越来越多的开发者参与完善，已经在业界变得相对成熟。例如，人脸识别和行人识别算法已经在安防领域取得实际应用，在一些可以获得人脸图像的场合，通过人脸识别可以找出危险嫌疑人物；而在无法获得人脸的时候，相关安防部门可以通过对多个监控设备抓拍到的图像采用行人再识别的方法来找出危险嫌疑人物。因此，行人再识别(也称人体再识别)算法在安防领域有非常重要的作用。现有的人体再识别方法主要有基于表征学习的再识别方法、基于度量学习的再识别方法和基于局部特征的再识别方法等。基于表征学习的再识别方法是一类非常常用的人体再识别方法，这主要得益于深度学习，尤其是卷积神经网络(Convolutionalneu本文档来自技高网...

【技术保护点】
1.一种基于嵌入式平台的自动再识别方法，其特征在于，包括：/n获取待识别躯干数据和目标躯干数据，通过轻量级检测模型标识所述待识别躯干数据中的躯干，得到待识别图像；以及，通过轻量级检测模型检测并提取出所述目标躯干数据的躯干，得到目标图像；其中，所述躯干为人体的头部和上半身躯干，和/或，动物的躯干部位；/n将所述待识别图像与所述目标图像进行比对，得到所述待识别图像与所述目标图像的相似度，根据相似度判断待识别图像是否与目标图像内相匹配。/n

【技术特征摘要】
1.一种基于嵌入式平台的自动再识别方法，其特征在于，包括：
获取待识别躯干数据和目标躯干数据，通过轻量级检测模型标识所述待识别躯干数据中的躯干，得到待识别图像；以及，通过轻量级检测模型检测并提取出所述目标躯干数据的躯干，得到目标图像；其中，所述躯干为人体的头部和上半身躯干，和/或，动物的躯干部位；
将所述待识别图像与所述目标图像进行比对，得到所述待识别图像与所述目标图像的相似度，根据相似度判断待识别图像是否与目标图像内相匹配。


2.根据权利要求1所述的基于嵌入式平台的自动再识别方法，其特征在于，所述通过轻量级检测模型标识所述待识别躯干数据中的躯干，得到待识别图像；具体包括：
将所述待识别躯干数据缩放至指定像素，将指定像素的图像进行增强操作，得到增强后的图像；
通过轻量级检测模型标识所述增强后的图像的躯干数据，得到候选图像；
将置信度满足设定阈值的候选图像设为待识别图像。


3.根据权利要求2所述的基于嵌入式平台的自动再识别方法，其特征在于，所述待识别图像还包括：该生物的位置信息和标签名。


4.根据权利要求1所述的基于嵌入式平台的自动再识别方法，其特征在于，所述将所述待识别图像与所述目标图像进行比对，得到所述待识别图像与所述目标图像的相似度，根据相似度判断待识别图像是否与目标图像内相匹配，具体包括：
提取所述待识别图像的颜色特征，以及，提取所述目标图像的颜色特征；
将所述待识别图像的颜色特征与所述目标图像的颜色特征进行比对，得到待识别图像的第一相似度；
如果待识别图像的第一相似度不满足预设的第一阈值，则所述待识别图像与所述目标图像不匹配；
如果只有一幅待识别图像的第一相似度满足预设的第一阈值，则判定该待识别图像与所述目标图像相匹配。


5.根据权利要求4所述的基于嵌入式平台的自动再识别方法，其特征在于，在提取所述待识别图像的颜色特征，提取所述目标图像的颜色特征之前，还包括：将每个待识别图像和所述目标图像缩放至指定像素；
所述提取所述待识别图像的颜色特征，以及，提取所述目标图像的颜色特征；将所述待识别图像的颜色特征与所述目标图像的颜色特征进行比对，得到待识别图像的第一相似度；具体包括：
提取所述指定像素的待识别图像的RGB颜色直方特征向量，将所述指定像素的待识别图像的RGB颜色直方特征向量展开，得到所述待识别图像的RGB颜色一维向量；以及，
提取所述指定像素的目标图像的RGB颜色直方特征向量，将所述目标图像的RGB颜色直方特征向量展开，得到所述目标图像的RGB颜色一维向量；其中，所述待识别图像的RGB颜色一维向量和所述目标图像的RGB颜色一维向量具有相同的长度；
计算所述待识别图像的RGB颜色一维向量与所述目标图像的RGB颜色一维向量的夹角余弦值，得到待识别图像的第一相似度。


6.根据权利要求4所述的基于嵌入式平台的自动再识别方法，其特征在于，还包括：如果至少两幅待识别图像的第一相似度满足预设的第一阈值，则：
针对第一相似度满足预设的第一阈值的待识别图像，提取每幅所述待识别图像内的形状特征；以及，提取所述目标图像内的形状特征；
根据所述待识别图像的颜色特征和形状特征得到所述待识别图像的联合特征，根据所述目标图像的颜色特征与形状特征得到所述目标图像的联合特征；
将所述待识别图像的联合特征与所述目标图像的联合特征进...

【专利技术属性】
技术研发人员：宋蓉子晗，崔东顺，张光浩，黄广斌，
申请(专利权)人：广智微芯扬州有限公司，
类型：发明
国别省市：江苏;32