跨摄像头行人轨迹处理方法、计算机设备及可读存储介质技术

本发明专利技术具体涉及跨摄像头行人轨迹处理方法、计算机设备及可读存储介质，在yolov4检测以及行人重识别技术ReID作为人形匹配的基础上，结合计算机设备的内存空间和硬盘空间进行行人轨迹拼接。在进行行人轨迹拼接时，通过对预设映射空间是否存在轨迹进行判断，从而根据不同的判断结果进行对应的行人轨迹的映射和确定，并且在将行人轨迹进行空间映射时，能够确保所映射的行人轨迹互相之间在时间上冲突或者在空间上冲突，这样能够确保待拼接的行人轨迹之间不会存在互相干扰，以确保轨迹拼接的准确性和可信度，进一步地，基于特征相似度进行轨迹拼接，能将行人的多维特征考虑在内，从而完整、准确地确定出全局行人轨迹，避免出现轨迹错乱和轨迹丢失等现象。轨迹错乱和轨迹丢失等现象。轨迹错乱和轨迹丢失等现象。

【技术实现步骤摘要】
跨摄像头行人轨迹处理方法、计算机设备及可读存储介质


[0001]本专利技术实施例涉及行人识别
，具体涉及一种跨摄像头行人轨迹处理方法、计算机设备及可读存储介质。

技术介绍

[0002]行人重识别（Person Re-Identification，ReID）也称为跨镜追踪，是现在计算机视觉研究的热门方向，主要解决跨摄像头跨场景下行人的识别与检索。该技术能够根据行人的穿着、体态、发型等信息认知行人，与人脸识别结合能够适用于更多新的应用场景，将人工智能的认知水平提高到一个新阶段。举例而言，行人重识别可以应用于智能安防、大型公共场所的智能寻人、以及智能商场的用户轨迹兴趣分析等。然而，相关技术在确定全局行人轨迹时会出现轨迹错乱和轨迹丢失等现象。

技术实现思路

[0003]有鉴于此，本专利技术实施例提供了一种跨摄像头行人轨迹处理方法、计算机设备及可读存储介质，能够完整、准确地确定出全局行人轨迹，避免出现轨迹错乱和轨迹丢失等现象。
[0004]本专利技术实施例提供了一种跨摄像头行人轨迹处理方法，应用于与摄像头通信的计算机设备，所述计算机设备的硬盘空间中存储有待处理行人轨迹，所述待处理行人轨迹是从所述计算机设备的内存空间导入到所述硬盘空间中的，所述内存空间中的行人轨迹是基于所述摄像头上传的图片生成的，所述方法包括：判断预设映射空间是否为初始化空间；在所述预设映射空间为所述初始化空间的情况下，将多条第一待处理行人轨迹映射到所述预设映射空间中并作为原始行人轨迹；其中，各所述第一待处理行人轨迹互相之间在时间上冲突或者在空间上冲突；在所述预设映射空间为非初始化空间的情况下，将多条第二待处理行人轨迹映射到所述预设映射空间中；其中，各所述第二待处理行人轨迹互相之间在时间上冲突或者在空间上冲突，所述非初始化空间中包括有在时间上冲突或者在空间上冲突的多条原始行人轨迹；针对所述非初始化空间中的每条原始行人轨迹，确定该条原始行人轨迹与每条所述第二待处理行人轨迹之间的特征相似度；根据所述特征相似度确定与该条原始行人轨迹相匹配的目标行人轨迹；其中，所述目标行人轨迹是所述多条第二待处理行人轨迹中，与该条原始行人轨迹之间的特征相似度大于设定相似度且与该条原始行人轨迹在时间上和空间上均不冲突的第二待处理行人轨迹；将该条原始行人轨迹及其对应的目标行人轨迹进行拼接，得到该条原始行人轨迹对应的全局轨迹。
[0005]在一个可选的实施例中，所述方法还包括：
将所述多条第二待处理行人轨迹中的未拼接的目标行人轨迹确定为原始行人轨迹。
[0006]在一个可选的实施例中，确定该条原始行人轨迹与每条所述第二待处理行人轨迹之间的特征相似度，包括：提取该条原始行人轨迹对应的第一全局特征内容以及每条所述第二待处理行人轨迹之间的第二全局特征内容；基于所述第一全局特征内容以及所述第二全局特征内容，确定该条原始行人轨迹与每条所述第二待处理行人轨迹之间的特征相似度。
[0007]在一个可选的实施例中，提取该条原始行人轨迹对应的第一全局特征内容，包括：获取该条原始行人轨迹对应的待识别轨迹描述内容，并将所述待识别轨迹描述内容输入至全局状态识别模型中，所述全局状态识别模型基于随机轨迹描述内容训练集和随机模型评价指标训练得到，所述随机轨迹描述内容训练集为特征标签正例训练集的数目和特征标签负例训练集的数目非一致的轨迹描述内容训练集；所述随机模型评价指标根据特征标签的样本轨迹测试率和全局状态样本轨迹确定，其中，所述全局状态样本轨迹为所述随机轨迹描述内容训练集中各轨迹描述内容样本轨迹对应的全局状态样本轨迹，所述特征标签的样本轨迹测试率为利用所述全局状态识别模型获取的所述轨迹描述内容样本轨迹对应的特征标签的样本轨迹测试率，所述随机模型评价指标包括第一泛化指标、第二泛化指标和交叉熵损失；通过所述全局状态识别模型对所述待识别轨迹描述内容进行内容解析，以获取与所述待识别轨迹描述内容对应的特征标签；根据所述特征标签从所述待识别轨迹描述内容中获取对应的特征内容块，并根据所述特征标签和所述特征内容块生成行人轨迹关联信息，以根据所述行人轨迹关联信息生成该条原始行人轨迹对应的第一全局特征内容；其中，所述全局状态识别模型包括轨迹拆分子网络和标签测试子网络；所述通过所述全局状态识别模型对所述待识别轨迹描述内容进行内容解析，以获取与所述待识别轨迹描述内容对应的特征标签，包括：将所述待识别轨迹描述内容输入至所述轨迹拆分子网络进行内容标记处理和内容拆分处理，以获取与所述待识别轨迹描述内容对应的特征内容片段；将所述特征内容片段输入至所述标签测试子网络进行标签测试，以获取特征标签测试结果；根据第一预设测试评价阈值和所述特征标签测试结果确定与所述待识别轨迹描述内容对应的特征标签；其中，所述轨迹拆分子网络包括内容标记网络层、标识分类网络层和内容拆分网络层；所述将所述待识别轨迹描述内容输入至所述轨迹拆分子网络进行内容标记处理和内容拆分处理，以获取与所述待识别轨迹描述内容对应的特征内容片段，包括：通过所述内容标记网络层将所述待识别轨迹描述内容中的各个描述类别信息转换为类别特征；通过所述标识分类网络层对所述待识别轨迹描述内容进行分类，并对获取的各个分类的人形属性信息进行识别，以获取标识分类信息；通过所述内容拆分网络层对各所述描述类别信息对应的类别特征和标识分类信息进
行内容拆分，以获取与各所述描述类别信息对应的特征内容拆分集；根据所述待识别轨迹描述内容中所有描述类别信息对应的特征内容拆分集确定与所述待识别轨迹描述内容对应的特征内容片段。
[0008]在一个可选的实施例中，基于所述第一全局特征内容以及所述第二全局特征内容，确定该条原始行人轨迹与每条所述第二待处理行人轨迹之间的特征相似度，包括：基于所述第一全局特征内容以及所述第二全局特征内容确定目标特征内容集合，其中，所述目标特征内容集合包括所述非初始化空间中该条原始行人轨迹在目标时段内对应的多个第一局部特征内容、所述非初始化空间中每条所述第二待处理行人轨迹在所述目标时段内对应的多个第二局部特征内容，以及各局部特征内容的对应时段指标；利用与所述多个第一局部特征内容对应的第一局部描述标签子队列，及与所述多个第二局部特征内容对应的第二局部描述标签子队列生成局部描述标签序列，并根据所述局部描述标签序列获取行人轨迹时空域特征，其中，所述第一局部描述标签子队列用于指示按照所述对应时段指标绑定的所述多个第一局部特征内容的特征内容类型所对应的局部描述标签，所述第二局部描述标签子队列用于指示按照所述对应时段指标绑定的所述多个第二局部特征内容的特征内容类型所对应的局部描述标签，所述行人轨迹时空域特征用于指示所述第一局部描述标签子队列及所述第二局部描述标签子队列的时空域传递权重；所述时空域传递权重用于表征该条原始行人轨迹与每条所述第二待处理行人轨迹之间的时空域关联度；利用所述目标特征内容集合中在目标时段内被选中且按所述对应时段指标排序的所述第一局部特征内容与所述第二局部特征内容生成特征内容关系矩阵，并根据所述特征内容关系矩阵获取特征内容相似信息，其中，所述特征内容相似信息用于指示所述特征本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种跨摄像头行人轨迹处理方法，其特征在于，应用于与摄像头通信连接的计算机设备，所述计算机设备的硬盘空间中存储有待处理行人轨迹，所述待处理行人轨迹是从所述计算机设备的内存空间导入到所述硬盘空间中的，所述内存空间中的行人轨迹是基于所述摄像头上传的图片生成的，所述方法包括：判断预设映射空间是否为初始化空间；在所述预设映射空间为所述初始化空间的情况下，将多条第一待处理行人轨迹映射到所述预设映射空间中并作为原始行人轨迹；其中，各所述第一待处理行人轨迹互相之间在时间上冲突或者在空间上冲突；在所述预设映射空间为非初始化空间的情况下，将多条第二待处理行人轨迹映射到所述预设映射空间中；其中，各所述第二待处理行人轨迹互相之间在时间上冲突或者在空间上冲突，所述非初始化空间中包括有在时间上冲突或者在空间上冲突的多条原始行人轨迹；针对所述非初始化空间中的每条原始行人轨迹，确定该条原始行人轨迹与每条所述第二待处理行人轨迹之间的特征相似度；根据所述特征相似度确定与该条原始行人轨迹相匹配的目标行人轨迹；其中，所述目标行人轨迹是所述多条第二待处理行人轨迹中，与该条原始行人轨迹之间的特征相似度大于设定相似度且与该条原始行人轨迹在时间上和空间上均不冲突的第二待处理行人轨迹；将该条原始行人轨迹及其对应的目标行人轨迹进行拼接，得到该条原始行人轨迹对应的全局轨迹。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：将所述多条第二待处理行人轨迹中的未拼接的目标行人轨迹确定为原始行人轨迹。3.根据权利要求1或2所述的方法，其特征在于，确定该条原始行人轨迹与每条所述第二待处理行人轨迹之间的特征相似度，包括：提取该条原始行人轨迹对应的第一全局特征内容以及每条所述第二待处理行人轨迹之间的第二全局特征内容；基于所述第一全局特征内容以及所述第二全局特征内容，确定该条原始行人轨迹与每条所述第二待处理行人轨迹之间的特征相似度。4.根据权利要求3所述的方法，其特征在于，提取该条原始行人轨迹对应的第一全局特征内容，包括：获取该条原始行人轨迹对应的待识别轨迹描述内容，并将所述待识别轨迹描述内容输入至全局状态识别模型中，所述全局状态识别模型基于随机轨迹描述内容训练集和随机模型评价指标训练得到，所述随机轨迹描述内容训练集为特征标签正例训练集的数目和特征标签负例训练集的数目非一致的轨迹描述内容训练集；所述随机模型评价指标根据特征标签的样本轨迹测试率和全局状态样本轨迹确定，其中，所述全局状态样本轨迹为所述随机轨迹描述内容训练集中各轨迹描述内容样本轨迹对应的全局状态样本轨迹，所述特征标签的样本轨迹测试率为利用所述全局状态识别模型获取的所述轨迹描述内容样本轨迹对应的特征标签的样本轨迹测试率，所述随机模型评价指标包括第一泛化指标、第二泛化指标和交叉熵损失；通过所述全局状态识别模型对所述待识别轨迹描述内容进行内容解析，以获取与所述
待识别轨迹描述内容对应的特征标签；根据所述特征标签从所述待识别轨迹描述内容中获取对应的特征内容块，并根据所述特征标签和所述特征内容块生成行人轨迹关联信息，以根据所述行人轨迹关联信息生成该条原始行人轨迹对应的第一全局特征内容；其中，所述全局状态识别模型包括轨迹拆分子网络和标签测试子网络；所述通过所述全局状态识别模型对所述待识别轨迹描述内容进行内容解析，以获取与所述待识别轨迹描述内容对应的特征标签，包括：将所述待识别轨迹描述内容输入至所述轨迹拆分子网络进行内容标记处理和内容拆分处理，以获取与所述待识别轨迹描述内容对应的特征内容片段；将所述特征内容片段输入至所述标签测试子网络进行标签测试，以获取特征标签测试结果；根据第一预设测试评价阈值和所述特征标签测试结果确定与所述待识别轨迹描述内容对应的特征标签；其中，所述轨迹拆分子网络包括内容标记网络层、标识分类网络层和内容拆分网络层；所述将所述待识别轨迹描述内容输入至所述轨迹拆分子网络进行内容标记处理和内容拆分处理，以获取与所述待识别轨迹描述内容对应的特征内容片段，包括：通过所述内容标记网络层将所述待识别轨迹描述内容中的各个描述类别信息转换为类别特征；通过所述标识分类网络层对所述待识别轨迹描述内容进行分类，并对获取的各个分类的人形属性信息进行识别，以获取标识分类信息；通过所述内容拆分网络层对各所述描述类别信息对应的类别特征和标识分类信息进行内容拆分，以获取与各所述描述类别信息对应的特征内容拆分集；根据所述待识别轨迹描述内容中所有描述类别信...

【专利技术属性】
技术研发人员：郭俊豪，
申请(专利权)人：中科智云科技有限公司，
类型：发明
国别省市：