【技术实现步骤摘要】
行人轨迹生成方法、装置、设备及存储介质
[0001]本专利技术涉及人工智能领域，尤其涉及一种行人轨迹生成方法、装置、设备及存储介质。
技术介绍
[0002]随着城市化步伐的加快，导致城市人口密度与日俱增，为了保证人民群众的生命财产安全，越来越多的监控摄像头布置在了众多公共场合。面对每天海量的视频数据，如果仅靠人工筛选、查找的方法去检索目标人物，这将会极其花费人力，物力和时间，并且该方法的识别率也不是很高。
[0003]现有的对视频数据进行目标人物的搜索并生成轨迹多是使用人脸识别技术，但是，基于人脸识别进行目标人物的搜索和轨迹生成的前提是能够采集到清晰的人脸图像，方可通过人脸识别去实现人脸信息的提取以及人物身份的验证；然而对于某些场景中，很难去捕获人的正脸，例如现在很多人都有低头玩手机的习惯，或者因为帽子遮住了脸部，又或者一些犯罪嫌疑人肯定会想方设法去躲避摄像，因此监控摄像头无法得到其清晰的脸部图像，这就导致了丢失目标人物行径的可能。
技术实现思路
[0004]本专利技术的主要目的在于解决现有的人脸识别...
【技术保护点】
【技术特征摘要】
1.一种行人轨迹生成方法，其特征在于，所述行人轨迹生成方法包括：获取输入的待识别行人的行人图像和监控视频集；将所述监控视频集中的监控视频进行分帧处理，得到所述监控视频的第一图像帧集合；对所述第一图像帧集合中的第一图像帧进行人脸识别处理，得到所述第一图像帧中的人脸图像；通过预设的人脸图像质量评估模型对所述第一图像帧的人脸图像进行人脸图像质量评估，得到所述人脸图像对应的清晰度类型，其中，所述清晰度类型包括清晰和模糊；若人脸图像的清晰度类型为清晰，则将所述人脸图像与所述行人图像进行相似度比较，并将相似度大于预设阈值的人脸图像对应的第一图像帧作为第二图像帧；若人脸图像的清晰度类型为模糊，则对所述第一图像帧集合中的第一图像帧和所述行人图像进行行人再识别处理，并将行人再识别处理得到的结果中表示图像相似的第一图像帧作为第三图像帧；对所述第二图像帧或所述第三图像帧中的待识别行人的位置进行定位，得到所述待识别行人在所述第一图像帧中的位置信息；根据所述监控视频集中所述待识别行人在每一个第一图像帧中的位置信息，生成所述待识别行人在所述监控视频集中的行动轨迹。2.根据权利要求1所述的行人轨迹生成方法，其特征在于，所述对所述第一图像帧集合中的第一图像帧进行人脸识别处理，得到所述第一图像帧中的人脸图像包括：对所述第一图像帧中进行人脸检测，得到所述第一图像帧中的人脸关键点；根据所述人脸关键点描绘人脸矩形框；根据所述人脸矩形框，从所述第一图像帧中截取人脸图像。3.根据权利要求2所述的行人轨迹生成方法，其特征在于，所述通过预设的人脸图像质量评估模型对所述第一图像帧的人脸图像进行人脸图像质量评估，得到所述人脸图像对应的清晰度类型包括：将所述第一图像帧中的人脸图像输入所述人脸图像质量评估模型中，通过所述人脸图像质量评估模型进行多分支任务评估，得到所述人脸图像的图像质量分值；判断所述图像质量分值是否大于预设分值；若是，则确定所述人脸图像的清晰度类型为清晰；若否，则确定所述人脸图像的清晰度类型为模糊。4.根据权利要求3所述的行人轨迹生成方法，其特征在于，所述人脸图像质量评估模型通过以下步骤训练得到：获取历史人脸图像，并将所述历史人脸图像作为模型训练样本；根据预设的降质特征对所述模型训练样本进行分类，对分类后的模型训练样本中的每类历史人脸图像进行评价，得到评价结果，并根据所述评价结果进行对模型训练样本进行标注；将所述历史人脸图像输入预设的神经网络模型中，得到所述历史人脸图像的预估质量分值；根据历史人脸图像标注的评价结果和预估质量分值，计算预设的损失函数，得到损失
函数值；判断所述损失函数值是否大于预设损失值；若是，则根据所述损失函数值反向传播更新所述神经网络模型的模型参数，并回到将所述历史人脸图像输入神经网络模型中，得到所述历史人脸图像的预估质量分值的步骤；若否，则根据神经网络模型的模型参数，获得人脸图像质量评估模型。5.根据权利要求1所述的行人轨迹生成方法，其特征在于，所述对所述第一图像帧集合中的第一图像帧和所述行人图像进行行人再识别处理，并将行人再识别处理得到的结果中表示图像相似的第一图像帧作为第三图像帧对所述第一图像帧集合中的第一图像帧和所述行人图像进行行人再识别处理，并将行人再识别处理得到的结果中表示图像相似的第一图像帧作为第三图像帧包括：将所述第一图像帧输入预设的特征提取网络中，通过...
【专利技术属性】
技术研发人员：李雷来，王健宗，瞿晓阳，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：
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。