一种基于外观与形态解耦的长时期跨摄像头目标关联方法及系统技术方案

本发明专利技术涉及一种基于外观与形态解耦的长时期跨摄像头目标关联方法及系统。该方法对输入的训练图像通过人体稠密解析估计和边缘估计提取人体轮廓图像，求取训练图像与人体轮廓图像的残差，得到人体外观图像；利用形态表征模型对人体轮廓图像进行高级语义特征提取，利用外观表征模型对人体外观图像进行高级语义特征提取；利用三元组损失函数和识别损失函数训练外观表征模型和形态表征模型，采用学习的两个表征模型对待查询行人图像和候选行人图像提取形态特征和外观特征，通过计算相似性得分得到跨摄像头场景中的关联目标。本发明专利技术不需要采用复杂的对抗学习模型就能提取行人的形态信息，并可避免挖掘涉及隐私的人脸信息及不可靠的行人步态信息。可靠的行人步态信息。可靠的行人步态信息。

【技术实现步骤摘要】
Workshops(CVPRW).2020:830
‑
831.)从人脸区域和身体区域联合提取行人身份信息，并融合二者作为统一的行人身份表征。
[0005]对比来看，虽然这些方法推动了长时期跨摄像头目标关联任务的发展，但仍存在诸多限制。例如，基于人脸信息的长时期跨摄像头目标关联方法依赖人脸检测方法，但受限于人脸检测方法不能很好地检测非正脸的情况；基于隐式形态表征的方法缺乏可解释性，且需要复杂的模型在特征空间构建换衣行人样本和原始样本间的关系；步态信息则需要依赖视频数据才能准确地获取，而不适用于基于彩色图像的长时期跨摄像头目标关联任务。

技术实现思路

[0006]针对现有技术存在的技术问题，本专利技术的目的是提供一种基于外观与形态解耦的长时期跨摄像头目标关联方法及系统。通过估计行人目标的轮廓，并以残差学习的方式保留外观信息。本专利技术既不需要采用隐式身份特征学习中复杂的对抗学习模型就能提取行人的形态信息，又可避免挖掘基于显式身份特征学习中涉及隐私的人脸信息及不可靠的行人步态信息。
[0007]本专利技术采用的技术方案如下：
[000本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于外观与形态解耦的长时期跨摄像头目标关联方法，包括以下步骤：输入长时期跨摄像头目标关联数据集中的训练图像；对输入的训练图像进行人体稠密解析估计；利用边缘估计方法对得到的人体稠密解析估计结果进行处理，以提取人体轮廓图像；求取训练图像与人体轮廓图像的残差，得到人体外观图像；利用形态表征模型对人体轮廓图像进行高级语义特征提取；利用外观表征模型对人体外观图像进行高级语义特征提取；利用三元组损失函数和识别损失函数对提取的特征进行监督学习，实现外观表征模型和形态表征模型的参数优化；采用学习的形态表征模型和外观表征模型对待查询行人图像和候选行人图像提取形态特征和外观特征，通过计算特征间的距离作为相似性得分，选取相似性得分最高的候选行人为跨摄像头场景中的关联目标。2.如权利要求1所述的方法，其特征在于，采用所述人体稠密解析估计对原始的行人图像进行变换，以便于进一步的提取人体轮廓图像。3.如权利要求1所述的方法，其特征在于，通过计算所述残差实现行人图像中外观信息与形态信息的显式解耦。4.如权利要求1所述的方法，其特征在于，所述形态表征模型和所述外观表征模型为相同的模型，但参数不共享。5.如权利要求1所述的方法，其特征在于，采用所述三元组损失函数和所述识别损失函数同时监督形态特征和外观特征的学习。6.如权利要求1所述的方法，其特征在于，所述采用学习的形态表征模型和外观表征模型对待查询行人图像和候选行人图像提取形态特征和外观特征，包括：对待查询行人图像和候选行人图像进行人体轮廓图像提取和人体外观图像提取；采用学习的形态表征模型和外观表征模型分别从人体轮廓图像和人体外观图像提取形态特征和外观特征；将从同一行人图像提取的形态特...

【专利技术属性】
技术研发人员：刘宏，石伟，丁润伟，
申请(专利权)人：北京大学深圳研究生院，
类型：发明
国别省市：