一种行人重识别方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术提供一种行人重识别方法、装置、电子设备及存储介质，方法包括：通过行人重识别数据集对行人重识别模型进行模型训练；将行人重识别模型进行格式转换，并构建TensorRT加速器工程对行人重识别模型进行加速，得到行人特征提取模型；获取每个行人的行人图像信息，通过行人特征提取模型提取行人图像信息中的行人特征向量，集合成行人特征向量集；基于预设的图像采集设备信息与预设的采集时间信息对行人特征向量集进行过滤，得到待匹配特征向量集；确定目标行人，提取目标行人的目标特征向量并与所有行人特征向量进行特征相似度匹配。能够提高行人特征向量的提取速度及行人重识别速度，且通过属性过滤，能减小对目标行人进行匹配的数量，提高匹配速度。

【技术实现步骤摘要】
一种行人重识别方法、装置、电子设备及存储介质
本专利技术涉及人工智能
，尤其涉及一种行人重识别方法、装置、电子设备及存储介质。
技术介绍
目前，随着计算机硬件性能的快速提升，深度学习成为计算机视觉领域的一种主流方法。相比传统方法，深度学习方法在准确度方面有巨大提升。虽然深度学习提高了准确度，但是由于卷积神经网络深度的原因，计算时间的成本比较高，所以对模型进行提速成为许多科研工作者的目标。在当下行人重识别系统中，对行人进行重识别主要是基于深度学习的方法进行，但由于卷积神经网络在计算时间方面的限制，且在提取行人目标的特征向量进行匹配时，是将目标行人与全部行人特征向量进行匹配，在实际应用中，有些场景只需要在固定区域和时间段内进行匹配，所以每次与全部行人特征向量进行匹配，增加了计算量，降低了了匹配速度。可见，在现有技术中，在保证重识别准确率的前提下，存在模型对行人重识别速度慢、时间成本高的问题。
技术实现思路
本专利技术实施例提供一种行人重识别方法，能够在保证准确率的前提下，提高模型对行人重识别的速度，降低时间成本。第一方面，本专利技术实施例提供一种行人重识别方法，包括以下步骤：构建行人重识别数据集以及行人重识别模型，并通过所述行人重识别数据集对所述行人重识别模型进行模型训练；构建TensorRT加速器工程，将已训练好的所述行人重识别模型的格式转换为所述TensorRT加速器工程的格式；通过所述TensorRT加速器工程对所述行人重识别模型进行加速，得到行人特征提取模型；获取每个行人的行人图像信息，通过所述行人特征提取模型提取所述行人图像信息中的行人特征向量，集合每个行人的所述行人特征向量组成行人特征向量集，其中，每条所述行人特征向量包括有对应的图像采集设备信息及采集时间信息；基于预设的图像采集设备信息与预设的采集时间信息对所述行人特征向量集进行过滤，得到待匹配特征向量集；确定目标行人，提取所述目标行人的目标特征向量并与所述待匹配特征向量集中的所有所述行人特征向量进行特征相似度匹配，将所述行人特征向量中所述特征相似度满足预设的特征相似度阈值所对应的行人判断为所述目标行人。可选的，所述获取每个行人的行人图像信息，通过所述行人特征提取模型提取所述行人图像信息中的行人特征向量，集合每个行人的所述行人特征向量组成行人特征向量集的步骤包括：从视频图像中获取每个行人的所述行人图像信息，所述行人图像信息中包括多种类型的所述行人特征向量；通过所述行人特征提取模型对所述行人图像信息中每个行人的多种类型的所述行人特征向量进行提取；将提取出的每个行人的多种类型的所述行人特征向量进行集合，得到所述行人特征向量集。可选的，所述基于预设的图像采集设备信息与预设的采集时间信息对所述行人特征向量集进行过滤，得到待匹配特征向量集的步骤包括:获取所述预设的图像采集设备信息与预设的采集时间信息；将所述预设的图像采集设备信息与预设的采集时间信息与所述行人特征向量集中的每条所述行人特征向量对应的图像采集设备信息及采集时间信息进行比较；筛除所述行人特征向量集中所述图像采集设备信息及所述采集时间信息不满足所述预设的图像采集设备信息与预设的采集时间信息的所述行人特征向量，以得到所述待匹配特征向量集。可选的，所述确定目标行人，提取所述目标行人的目标特征向量并与所述待匹配特征向量集中的所有所述行人特征向量进行特征相似度匹配，将所述行人特征向量中所述特征相似度满足预设的特征相似度阈值所对应的行人判断为所述目标行人的步骤包括：通过外部输入所述目标行人或从视频中指定所述目标行人，所述目标行人包括目标特征向量；通过加速后的所述行人特征提取模型对所述目标行人的所述目标特征向量进行提取；将所述目标特征向量与所述待匹配特征向量集中的每一条所述行人特征向量进行特征相似度计算，将所述特征相似度满足所述预设的特征相似度阈值所对应的行人判断为所述目标行人。第二方面，本专利技术实施例提供一种行人重识别装置，包括：训练模块，用于构建行人重识别数据集以及行人重识别模型，并通过所述行人重识别数据集对所述行人重识别模型进行模型训练；转换模块，用于构建TensorRT加速器工程，将已训练好的所述行人重识别模型的格式转换为所述TensorRT加速器工程的格式；加速模块，用于通过所述TensorRT加速器工程对所述行人重识别模型进行加速，得到行人特征提取模型；提取模块，用于获取每个行人的行人图像信息，通过所述行人特征提取模型提取所述行人图像信息中的行人特征向量，集合每个行人的所述行人特征向量组成行人特征向量集，其中，每条所述行人特征向量包括有对应的图像采集设备信息及采集时间信息；过滤模块，用于基于预设的图像采集设备信息与预设的采集时间信息对所述行人特征向量集进行过滤，得到待匹配特征向量集；匹配模块，用于确定目标行人，提取所述目标行人的目标特征向量并与所述待匹配特征向量集中的所有所述行人特征向量进行特征相似度匹配，将所述行人特征向量中所述特征相似度满足预设的特征相似度阈值所对应的行人判断为所述目标行人。可选的，所述提取模块包括：第一提取单元，用于从视频图像中获取每个行人的所述行人图像信息，所述行人图像信息中包括多种类型的所述行人特征向量；第二提取单元，用于通过所述行人特征提取模型对所述行人图像信息中每个行人的多种类型的所述行人特征向量进行提取；集合单元，用于将提取出的每个行人的多种类型的所述行人特征向量进行集合，得到所述行人特征向量集。可选的，所述过滤模块包括：获取单元，用于获取所述预设的图像采集设备信息与所述预设的采集时间信息；比较单元，用于将所述预设的图像采集设备信息、所述预设的采集时间信息与所述行人特征向量集中的每条所述行人特征向量对应的图像采集设备信息及采集时间信息进行比较；筛选单元，用于筛除所述行人特征向量集中所述图像采集设备信息及所述采集时间信息不满足所述预设的图像采集设备信息与所述预设的采集时间信息的所述行人特征向量，以得到所述待匹配特征向量集。可选的，所述匹配模块包括：输入单元，用于通过外部输入所述目标行人或从视频中指定所述目标行人，所述目标行人包括目标特征向量；第三提取单元，用于通过加速后的所述行人特征提取模型对所述目标行人的所述目标特征向量进行提取；计算单元，用于将所述目标特征向量与所述待匹配特征向量集中的每一条所述行人特征向量进行特征相似度计算，将所述特征相似度满足所述预设的特征相似度阈值所对应的行人判断为所述目标行人。第三方面，本专利技术实施例还提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述实施例提供的行人重识别方法中的步骤。第四方面，一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机本文档来自技高网...

【技术保护点】
1.一种行人重识别方法，其特征在于，包括以下步骤：/n构建行人重识别数据集以及行人重识别模型，并通过所述行人重识别数据集对所述行人重识别模型进行模型训练；/n构建TensorRT加速器工程，将已训练好的所述行人重识别模型的格式转换为所述TensorRT加速器工程的格式；/n通过所述TensorRT加速器工程对所述行人重识别模型进行加速，得到行人特征提取模型；/n获取每个行人的行人图像信息，通过所述行人特征提取模型提取所述行人图像信息中的行人特征向量，集合每个行人的所述行人特征向量组成行人特征向量集，其中，每条所述行人特征向量包括有对应的图像采集设备信息及采集时间信息；/n基于预设的图像采集设备信息与预设的采集时间信息对所述行人特征向量集进行过滤，得到待匹配特征向量集；/n确定目标行人，提取所述目标行人的目标特征向量并与所述待匹配特征向量集中的所有所述行人特征向量进行特征相似度匹配，将所述行人特征向量中所述特征相似度满足预设的特征相似度阈值所对应的行人判断为所述目标行人。/n

【技术特征摘要】
1.一种行人重识别方法，其特征在于，包括以下步骤：
构建行人重识别数据集以及行人重识别模型，并通过所述行人重识别数据集对所述行人重识别模型进行模型训练；
构建TensorRT加速器工程，将已训练好的所述行人重识别模型的格式转换为所述TensorRT加速器工程的格式；
通过所述TensorRT加速器工程对所述行人重识别模型进行加速，得到行人特征提取模型；
获取每个行人的行人图像信息，通过所述行人特征提取模型提取所述行人图像信息中的行人特征向量，集合每个行人的所述行人特征向量组成行人特征向量集，其中，每条所述行人特征向量包括有对应的图像采集设备信息及采集时间信息；
基于预设的图像采集设备信息与预设的采集时间信息对所述行人特征向量集进行过滤，得到待匹配特征向量集；
确定目标行人，提取所述目标行人的目标特征向量并与所述待匹配特征向量集中的所有所述行人特征向量进行特征相似度匹配，将所述行人特征向量中所述特征相似度满足预设的特征相似度阈值所对应的行人判断为所述目标行人。


2.如权利要求1所述的行人重识别方法，其特征在于，所述获取每个行人的行人图像信息，通过所述行人特征提取模型提取所述行人图像信息中的行人特征向量，集合每个行人的所述行人特征向量组成行人特征向量集的步骤包括：
从视频图像中获取每个行人的所述行人图像信息，所述行人图像信息中包括多种类型的所述行人特征向量；
通过所述行人特征提取模型对所述行人图像信息中每个行人的多种类型的所述行人特征向量进行提取；
将提取出的每个行人的多种类型的所述行人特征向量进行集合，得到所述行人特征向量集。


3.如权利要求1所述的行人重识别方法，其特征在于，所述基于预设的图像采集设备信息与预设的采集时间信息对所述行人特征向量集进行过滤，得到待匹配特征向量集的步骤包括:
获取所述预设的图像采集设备信息与所述预设的采集时间信息；
将所述预设的图像采集设备信息、所述预设的采集时间信息与所述行人特征向量集中的每条所述行人特征向量对应的图像采集设备信息及采集时间信息进行比较；
筛除所述行人特征向量集中所述图像采集设备信息及所述采集时间信息不满足所述预设的图像采集设备信息与所述预设的采集时间信息的所述行人特征向量，以得到所述待匹配特征向量集。


4.如权利要求1所述的行人重识别方法，其特征在于，所述确定目标行人，提取所述目标行人的目标特征向量并与所述待匹配特征向量集中的所有所述行人特征向量进行特征相似度匹配，将所述行人特征向量中所述特征相似度满足预设的特征相似度阈值所对应的行人判断为所述目标行人的步骤包括：
通过外部输入所述目标行人或从视频中指定所述目标行人，所述目标行人包括目标特征向量；
通过所述行人特征提取模型对所述目标行人的所述目标特征向量进行提取；
将所述目标特征向量与所述待匹配特征向量集中的每一条所述行人特征向量进行特征相似度计算，将所述特征相似度满足所述预设的特征相似度阈值所对应的行人判断为所述目标行人。


5.一种行人重识别装置，其特征在于，包括：
训练模块，用于构建行人重识别数据集以及行...

【专利技术属性】
技术研发人员：刘建虎，郑双午，闫潇宁，
申请(专利权)人：深圳市安软科技股份有限公司，深圳市安软慧视科技有限公司，
类型：发明
国别省市：广东;44