一种人体重识别方法、系统、介质及电子终端技术方案

本发明专利技术提供一种人体重识别方法、系统、介质及电子终端，方法包括：采集目标场景的第一高光谱数据立方体；根据所述第一高光谱数据立方体，获取第一可见光图像；将第一可见光图像输入预先训练好的人体重识别模型，通过将第一可见光图像中的候选目标和预设的待搜索对象之间的相似度与预设的第一相似度阈值进行对比，获取目标对象；当所述目标对象的数量超出一个时，从所述第一高光谱数据立方体中获取目标对象指定位置的第一光谱曲线，并且，获取待搜索对象指定位置的第二光谱曲线；通过对比所述第一光谱曲线和第二光谱曲线，完成人体重识别；本方法能够在目标场景存在多个相似目标的情况下依据目标对象的光谱信息的唯一性完成精准重识别。精准重识别。精准重识别。

【技术实现步骤摘要】
一种人体重识别方法、系统、介质及电子终端


[0001]本专利技术涉及机器视觉领域，尤其涉及一种人体重识别方法、系统、介质及电子终端。

技术介绍

[0002]人体重识别技术已在公共安全等领域得到了广泛应用，如轨迹追踪、人数统计等。当前人体重识别技术主要基于可见光成像技术，主流技术方案是通过深度学习获取待识别人体特征与待搜索目标特征，并对其进行匹配，完成人体重识别。
[0003]然而，基于实际应用场景，当前人体重识别存在以下几个问题与难点：第一，当目标较小时，目标特征不明显，导致匹配精度较低；第二，当同一场景存在相似目标时，无法完成较精准地匹配，如多人穿着相似衣服时，当前算法提取的特征就会非常相似，最终可能造成误识别。

技术实现思路

[0004]本专利技术提供一种人体重识别方法、系统、介质及电子终端，以解决现有技术中当目标较小或同一场景存在相似目标时，不能进行较精准地匹配，导致人体重识别精确度较低的问题。
[0005]本专利技术提供的人体重识别方法，包括：
[0006]采集目标场景的第一高光谱数据立方体；
[0007]根据所述第一高光谱数据立方体，获取第一可见光图像；
[0008]将第一可见光图像输入预先训练好的人体重识别模型，通过将第一可见光图像中的候选目标和预设的待搜索对象之间的相似度与预设的第一相似度阈值进行对比，获取目标对象；
[0009]当所述目标对象的数量超出一个时，从所述第一高光谱数据立方体中获取目标对象指定位置的第一光谱曲线，并且，获取待搜索对象指定位置的第二光谱曲线；
[0010]通过对比所述第一光谱曲线和第二光谱曲线，完成人体重识别。
[0011]可选的，根据所述第一高光谱数据立方体，获取第一可见光图像的步骤包括：
[0012]从所述第一高光谱数据立方体中提取关联通道的影像信息，所述关联通道包括：红、绿、蓝；
[0013]将所述关联通道的影像信息合并成第一可见光图像，完成所述第一可见光图像的获取。
[0014]可选的，所述人体重识别模型包括：目标检测网络和相似图像判定网络；
[0015]通过将第一可见光图像中的候选目标和预设的待搜索对象之间的相似度与预设的第一相似度阈值进行对比，获取目标对象的步骤包括：
[0016]获取待搜索对象的第二高光谱数据立方体；
[0017]根据所述第二高光谱数据立方体，获取第二可见光图像；
[0018]将所述第一可见光图像输入所述目标检测网络进行目标检测，获取一个或多个候选目标；
[0019]将所述第二可见光图像和所述候选目标输入所述相似图像判定网络进行特征提取与匹配，获取候选目标与待搜索对象的相似度；
[0020]判断所述候选目标与待搜索对象的相似度是否超出预设的第一相似度阈值，若所述候选目标与待搜索对象的相似度超出所述第一相似度阈值，则将对应的候选目标确定为目标对象。
[0021]可选的，所述人体重识别模型的获取步骤包括：
[0022]获取训练集，所述训练集包括：多个样本图像对，以及所述样本图像对上的标注信息，所述样本图像对包括样本图像和待搜索图像，所述标注信息包括：人体标注位置和图像对相似度；
[0023]将所述训练集输入预设的目标检测网络，对所述样本图像进行目标检测，获取预测目标，根据所述预测目标和所述样本图像上的人体标注位置，对所述目标检测网络进行训练；
[0024]将所述预测目标输入预设的相似图像判定网络，对所述预测目标和相应的所述待搜索图像中的待搜索对象进行对比，获取对比结果；
[0025]根据所述对比结果和标注信息中的图像相似度，对所述目标检测网络和相似图像判定网络进行联合训练，进而获取所述人体重识别模型。
[0026]可选的，从所述第一高光谱数据立方体中获取目标对象指定位置的第一光谱曲线，并且，获取待搜索对象指定位置的第二光谱曲线的步骤包括：
[0027]当所述目标对象的数量超出一个时，获取所述目标对象指定位置多点的平均光谱曲线，将所述目标对象指定位置多点的平均光谱曲线作为第一光谱曲线；
[0028]并且，获取待搜索对象指定位置多点的平均光谱曲线，将所述待搜索对象指定位置多点的平均光谱曲线作为第二光谱曲线。
[0029]可选的，通过对比所述第一光谱曲线和第二光谱曲线，完成人体重识别的步骤包括：
[0030]对比所述第一光谱曲线和所述第二光谱曲线，获取所述第一光谱曲线和第二光谱曲线的相似度；
[0031]判断所述第一光谱曲线和第二光谱曲线的相似度是否超出预设的第二相似度阈值，若所述第一光谱曲线和第二光谱曲线的相似度超出所述第二相似度阈值，则将对应的相似度最高的目标对象确定为最终目标对象，完成人体重识别；或者，根据目标对象与待搜索对象的相似度、第一光谱曲线和第二光谱曲线的相似度，以及预设的权值，确定最终目标对象，完成人体重识别。
[0032]可选的，根据目标对象与待搜索对象的相似度、第一光谱曲线和第二光谱曲线的相似度，以及预设的权值，确定最终目标对象的步骤包括：
[0033]根据所述目标对象与待搜索对象的相似度、第一光谱曲线和第二光谱曲线的相似度、预设的权值，获取目标对象的置信度；
[0034]根据所述置信度，确定最终目标对象；
[0035]获取目标对象的置信度的数学表达为：
[0036]Confidence＝α*img_confi+β*spect_confi
[0037]其中，Confidence为目标对象的置信度，α为预设的第一权值，img_confi为目标对象与待搜索对象的相似度，β为预设的第二权值，spect_confi为第一光谱曲线和第二光谱曲线的相似度。
[0038]本专利技术还提供一种人体重识别系统，包括：
[0039]采集模块，用于采集目标场景的高光谱数据立方体；
[0040]第一识别模块，用于根据所述高光谱数据立方体，获取可见光图像，将所述可见光图像输入预先训练好的人体重识别模型进行识别与对比，获取目标对象，所述目标对象与待搜索对象的相似度大于预设的相似度阈值；
[0041]第二识别模块，用于当所述目标对象的数量超出一个时，从所述高光谱数据立方体中获取目标对象指定位置的第一光谱曲线，并且，获取待搜索对象指定位置的第二光谱曲线；通过对比所述第一光谱曲线和第二光谱曲线，完成人体重识别。
[0042]本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述方法。
[0043]本专利技术还提供一种电子终端，包括：处理器及存储器；
[0044]所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行如上述任一项所述方法。
[0045]本专利技术的有益效果：本专利技术中的人体重识别方法、系统、介质及电子终端，通过采集目标场景的第一高光谱数据立方体，根据第一高光谱数据立方体，获取第一可本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人体重识别方法，其特征在于，包括：采集目标场景的第一高光谱数据立方体；根据所述第一高光谱数据立方体，获取第一可见光图像；将第一可见光图像输入预先训练好的人体重识别模型，通过将第一可见光图像中的候选目标和预设的待搜索对象之间的相似度与预设的第一相似度阈值进行对比，获取目标对象；当所述目标对象的数量超出一个时，从所述第一高光谱数据立方体中获取目标对象指定位置的第一光谱曲线，并且，获取待搜索对象指定位置的第二光谱曲线；通过对比所述第一光谱曲线和第二光谱曲线，完成人体重识别。2.根据权利要求1所述的人体重识别方法，其特征在于，根据所述第一高光谱数据立方体，获取第一可见光图像的步骤包括：从所述第一高光谱数据立方体中提取关联通道的影像信息，所述关联通道包括：红、绿、蓝；将所述关联通道的影像信息合并成第一可见光图像，完成所述第一可见光图像的获取。3.根据权利要求1所述的人体重识别方法，其特征在于，所述人体重识别模型包括：目标检测网络和相似图像判定网络；通过将第一可见光图像中的候选目标和预设的待搜索对象之间的相似度与预设的第一相似度阈值进行对比，获取目标对象的步骤包括：获取待搜索对象的第二高光谱数据立方体；根据所述第二高光谱数据立方体，获取第二可见光图像；将所述第一可见光图像输入所述目标检测网络进行目标检测，获取一个或多个候选目标；将所述第二可见光图像和所述候选目标输入所述相似图像判定网络进行特征提取与匹配，获取候选目标与待搜索对象的相似度；判断所述候选目标与待搜索对象的相似度是否超出预设的第一相似度阈值，若所述候选目标与待搜索对象的相似度超出所述第一相似度阈值，则将对应的候选目标确定为目标对象。4.根据权利要求1所述的人体重识别方法，其特征在于，所述人体重识别模型的获取步骤包括：获取训练集，所述训练集包括：多个样本图像对，以及所述样本图像对上的标注信息，所述样本图像对包括样本图像和待搜索图像，所述标注信息包括：人体标注位置和图像对相似度；将所述训练集输入预设的目标检测网络，对所述样本图像进行目标检测，获取预测目标，根据所述预测目标和所述样本图像上的人体标注位置，对所述目标检测网络进行训练；将所述预测目标输入预设的相似图像判定网络，对所述预测目标和相应的所述待搜索图像中的待搜索对象进行对比，获取对比结果；根据所述对比结果和标注信息中的图像相似度，对所述目标检测网络和相似图像判定网络进行联合训练，进而获取所述人体重识别模型。
5.根据权利要求1所述的人体重识别方法，其特征在于，从所述第一高光谱数据立方体中获取目标对象指定位置的第一光谱曲线，并且，获取待搜索对象指定位置的第二光谱曲...

【专利技术属性】
技术研发人员：张桂荣，
申请(专利权)人：重庆紫光华山智安科技有限公司，
类型：发明
国别省市：