【技术实现步骤摘要】
一种嫌疑人识别追踪方法及系统
[0001]本专利技术涉及智能安防领域，特别是涉及一种嫌疑人识别追踪方法及系统。
技术介绍
[0002]由于大多数公共场合都安装了监控摄像头，形成网络监控，在监控下拍摄的视频和图片是宝贵的信息，充分利用这些信息为公安部门进行危险预警、案件侦破将提供非常大的帮助。但监控视频急剧增加带来的海量数据，完全依靠人力进行视频监控一方面对监控人员的精力是一个巨大的消耗，另一方面长时间视频监控过程中易产生视觉疲劳，从而产生错误。如何更加高效和智能化分析和使用监控视频变成一个亟待解决的问题。
[0003]基于行人重识别(Re
‑
Identification，ReID)的智能视频分析方法已成为计算机视觉领域的热点。行人重识别技术也称行人再识别，是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术。
[0004]传统的行人重识别算法复杂度较低，设计过程较为简单。早期的行人重识别主要研究更具辨别能力和更高相似度的视觉特征，但算法的识别准确率不高，鲁棒性较差，对复杂多变的实...
【技术保护点】
【技术特征摘要】
1.一种嫌疑人识别追踪方法，其特征在于，所述嫌疑人识别追踪方法包括：获取样本图像集；所述样本图像集包括多对样本图像和期望图像；根据所述样本图像集，基于循环一致性损失函数、同一映射损失函数以及感知损失函数，对循环一致性网络进行迭代训练，得到风格迁移模型；基于所述风格迁移模型，根据不同地理位置处采集装置采集的候选图像集，得到风格迁移候选图像集；基于所述风格迁移模型，根据嫌疑人图像，得到风格迁移嫌疑人图像；对所述风格迁移嫌疑人图像进行特征提取，得到嫌疑人特征向量；对所述风格迁移候选图像集中的图像进行特征提取，得到候选特征向量集；根据所述嫌疑人特征向量及所述候选特征向量集，从所述候选图像集中确定与所述嫌疑人图像相似度最高的候选图像，作为最终候选图像；根据采集到所述最终候选图像采集装置的地理位置，对嫌疑人进行追踪。2.根据权利要求1所述的嫌疑人识别追踪方法，其特征在于，所述循环一致性网络包括生成器以及判别器；所述根据所述样本图像集，基于循环一致性损失函数、同一映射损失函数以及感知损失函数，对循环一致性网络进行迭代训练，得到风格迁移模型，具体包括：针对每对样本图像和期望图像，通过生成器采用密集连接卷积网络对所述样本图像进行转换，并得到对应的转换图像；通过判别器计算所述转换图像与所述期望图像的误差；根据所述误差、所述循环一致性损失函数、所述同一映射损失函数以及所述感知损失函数，对所述生成器及所述判别器进行迭代训练，直至所述循环一致性损失函数、所述同一映射损失函数以及所述感知损失函数均收敛，或迭代次数达到阈值，得到风格迁移模型。3.根据权利要求2所述的嫌疑人识别追踪方法，其特征在于，所述生成器包括编码器、转换器及解码器；所述针对每对样本图像和期望图像，通过生成器采用密集连接卷积网络对所述样本图像进行转换，并得到对应的转换图像，具体包括：通过编码器提取所述样本图像的特征，得到X域特征向量；通过转换器采用密集连接卷积网络将所述X域特征向量转换为Y域特征向量；通过解码器还原所述Y域特征向量，得到对应的转换图像。4.根据权利要求1所述的嫌疑人识别追踪方法，其特征在于，所述循环一致性损失函数为：其中，L'(F
X
‑
＞Y
,G
Y
‑
＞X
)为循环一致性损失函数，F
X
‑
＞Y
为X域到Y域的生成器，G
Y
‑
＞X
为Y域到X域的生成器，L
GAN
(F
X
‑
＞Y
,D
Y
)为X域到Y域的生成器F
X
‑
＞Y
与判别器D
Y
之间的损失函数，L
GAN
(G
Y
‑
＞X
,D
X
)为Y域到X域的生成器G
Y
‑
＞X
与判别器D
X
之间的损失函数，L
CCL
(F
X
‑
＞Y
,G
Y
→
X
)为X域到Y
域的生成器F
X
‑
＞Y
与Y域到X域的生成器G
Y
‑
＞X
之间的损失函数，λ
CCL
为X域到Y域的生成器F
X
‑
＞Y
与Y域到X域的生成器G
Y
‑
＞X
之间的损失函数L
CCL
在循环一致性损失中的权重，～为服从关系，P
data()
为真实数据的分布、E为数学期望，||||1为一阶范数。5.根据权利要求4所述的嫌疑人识别追踪方法，其特征在于，所述同一映射损失函数为：其中，L
iml
(F
X
【专利技术属性】
技术研发人员：王亮，陈立胜，李幸文，
申请(专利权)人：北京海航中软科技有限公司，
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。