一种行人重识别方法及装置，方法包括：对采集到的监控视频进行目标检测及特征提取，分别得到行人检测结果及行人特征信息；根据行人检测结果及行人特征信息，生成行人元信息；将行人元信息输入至预设的强度关系模型中进行计算，得到关系强度矩阵，根据关系强度矩阵，生成行人关系图；根据行人特征信息进行置信度计算，得到识别置信度，利用行人关系图对识别置信度进行校正更新，根据校正更新后的识别置信度，确定行人重识别结果。本发明专利技术通过生成行人关系强度及拓扑图，准确描述行人之间关系，利用行人之间的关系增强行人重识别的精度，解决模糊场景存在的识别置信度较低的情况，且生成的行人关系图可以运用到其它场景，增强行人重识别的准确率。识别的准确率。识别的准确率。
【技术实现步骤摘要】
行人重识别方法及装置
[0001]本专利技术涉及图像检索
，尤指一种行人重识别方法及装置。
技术介绍
[0002]目前，视频监控系统采用的行人识别技术为行人重识别，也称行人再识别，简称ReID(Person Re
‑
identification)，ReID工作原理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。广泛被认为是一个图像检索的子问题，给定一个监控行人图像，检索跨设备下的该行人图像。在监控视频中，由于相机分辨率和拍摄角度的缘故，通常无法得到质量非常高的人脸图片。当人脸识别失效的情况下，ReID就成为了一个非常重要的替代品技术，可以检索出不同摄像头下的相同行人图片。
[0003]如图1所示，传统ReID技术通过目标检测，找到图片中所有的行人，通过深度学习，训练一个特征提取网络，再根据特征所计算的度量距离进行排序，选出置信度最高的几张图片，来达到目标检索的目的。主要应用于智能安防、公共安全、小区管理等场景。存在问题包括由于摄像头角度、分辨率、光照、距离、视频质量参差不一、行人(ID)衣着、环境等外部因素变化，以及遮挡、行人观测角度、姿态的变化等非可控环境和行人(ID)的变化，导致ReID检出率低，效果较差。
技术实现思路
[0004]针对现有技术中存在的问题，本专利技术实施例的主要目的在于提供一种行人重识别方法及装置，提升ReID的识别准确度。
[0005]为了实现上述目的，本专利技术实施例提供一种行人重识别方法，所述方法包括：
[0006]对采集到的监控视频进行目标检测及特征提取，分别得到行人检测结果及行人特征信息；
[0007]根据所述行人检测结果及所述行人特征信息，生成行人元信息；
[0008]将所述行人元信息输入至预设的强度关系模型中进行计算，得到关系强度矩阵，并根据所述关系强度矩阵，生成行人关系图；
[0009]根据所述行人特征信息进行置信度计算，得到识别置信度，利用所述行人关系图对所述识别置信度进行校正更新，并根据校正更新后的识别置信度，确定行人重识别结果。
[0010]可选的，在本专利技术一实施例中，所述对采集到的监控视频进行目标检测及特征提取，分别得到行人检测结果及行人特征信息包括：
[0011]对采集到的监控视频进行图片提取，得到行人图片，并对所述行人图片进行目标检测，得到行人检测结果；
[0012]根据深度学习算法，对所述行人检测结果进行特征提取，得到行人特征信息；其中，所述行人特征信息包括行人位置、行人出现时刻及行人离开时刻。
[0013]可选的，在本专利技术一实施例中，所述根据所述行人检测结果及所述行人特征信息，生成行人元信息包括：
[0014]对所述行人检测结果中的行人进行ID设置，得到多个行人ID；
[0015]根据所述行人ID及所述行人特征信息，生成对应于所述行人ID的行人元信息；其中，所述行人元信息包括行人距离、行人停留时间及行人生物特征。
[0016]可选的，在本专利技术一实施例中，所述根据所述行人特征信息进行置信度计算，得到识别置信度包括：
[0017]对所述行人特征信息进行特征对比，得到特征对比结果，并根据所述特征对比结果进行置信度计算，得到对应于行人ID的识别置信度。
[0018]可选的，在本专利技术一实施例中，所述将所述行人元信息输入至预设的强度关系模型中进行计算，得到关系强度矩阵包括：
[0019]将所述行人距离、行人停留时间、行人生物特征及对应的行人ID输入至预设的强度关系模型中计算，得到每两个行人ID之间的强度关系；
[0020]根据所述强度关系，得到所述关系强度矩阵。
[0021]可选的，在本专利技术一实施例中，所述根据所述关系强度矩阵，生成行人关系图包括：
[0022]将所述行人ID作为点，并将所述关系强度矩阵中每两个行人ID之间的强度关系作为连接线，生成所述行人关系图。
[0023]可选的，在本专利技术一实施例中，所述利用所述行人关系图对所述识别置信度进行校正更新包括：
[0024]利用所述行人关系图中所述行人ID的总个数及每两个行人ID之间的强度关系，分别对各行人ID对应的识别置信度进行校正更新。
[0025]本专利技术实施例还提供一种行人重识别装置，所述装置包括：
[0026]目标检测模块，用于对采集到的监控视频进行目标检测及特征提取，分别得到行人检测结果及行人特征信息；
[0027]元信息模块，用于根据所述行人检测结果及所述行人特征信息，生成行人元信息；
[0028]关系图模块，用于将所述行人元信息输入至预设的强度关系模型中进行计算，得到关系强度矩阵，并根据所述关系强度矩阵，生成行人关系图；
[0029]识别结果模块，用于根据所述行人特征信息进行置信度计算，得到识别置信度，利用所述行人关系图对所述识别置信度进行校正更新，并根据校正更新后的识别置信度，确定行人重识别结果。
[0030]可选的，在本专利技术一实施例中，所述目标检测模块包括：
[0031]检测结果单元，用于对采集到的监控视频进行图片提取，得到行人图片，并对所述行人图片进行目标检测，得到行人检测结果；
[0032]特征信息单元，用于根据深度学习算法，对所述行人检测结果进行特征提取，得到行人特征信息；其中，所述行人特征信息包括行人位置、行人出现时刻及行人离开时刻。
[0033]可选的，在本专利技术一实施例中，所述元信息模块包括：
[0034]行人ID单元，用于对所述行人检测结果中的行人进行ID设置，得到多个行人ID；
[0035]元信息单元，用于根据所述行人ID及所述行人特征信息，生成对应于所述行人ID的行人元信息；其中，所述行人元信息包括行人距离、行人停留时间及行人生物特征。
[0036]可选的，在本专利技术一实施例中，所述元信息模块还用于对所述行人特征信息进行
特征对比，得到特征对比结果，并根据所述特征对比结果进行置信度计算，得到对应于行人ID的识别置信度。
[0037]可选的，在本专利技术一实施例中，所述关系图模块包括：
[0038]强度关系单元，用于将所述行人距离、行人停留时间、行人生物特征及对应的行人ID输入至预设的强度关系模型中计算，得到每两个行人ID之间的强度关系；
[0039]强度矩阵单元，用于根据所述强度关系，得到所述关系强度矩阵。
[0040]可选的，在本专利技术一实施例中，所述关系图模块还用于将所述行人ID作为点，并将所述关系强度矩阵中每两个行人ID之间的强度关系作为连接线，生成所述行人关系图。
[0041]可选的，在本专利技术一实施例中，所述识别结果模块还用于利用所述行人关系图中所述行人ID的总个数及每两个行人ID之间的强度关系，分别对各行人ID对应的识别置信度进行校正更新。
[0042]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种行人重识别方法，其特征在于，所述方法包括：对采集到的监控视频进行目标检测及特征提取，分别得到行人检测结果及行人特征信息；根据所述行人检测结果及所述行人特征信息，生成行人元信息；将所述行人元信息输入至预设的强度关系模型中进行计算，得到关系强度矩阵，并根据所述关系强度矩阵，生成行人关系图；根据所述行人特征信息进行置信度计算，得到识别置信度，利用所述行人关系图对所述识别置信度进行校正更新，并根据校正更新后的识别置信度，确定行人重识别结果。2.根据权利要求1所述的方法，其特征在于，所述对采集到的监控视频进行目标检测及特征提取，分别得到行人检测结果及行人特征信息包括：对采集到的监控视频进行图片提取，得到行人图片，并对所述行人图片进行目标检测，得到行人检测结果；根据深度学习算法，对所述行人检测结果进行特征提取，得到行人特征信息；其中，所述行人特征信息包括行人位置、行人出现时刻及行人离开时刻。3.根据权利要求1所述的方法，其特征在于，所述根据所述行人检测结果及所述行人特征信息，生成行人元信息包括：对所述行人检测结果中的行人进行ID设置，得到多个行人ID；根据所述行人ID及所述行人特征信息，生成对应于所述行人ID的行人元信息；其中，所述行人元信息包括行人距离、行人停留时间及行人生物特征。4.根据权利要求3所述的方法，其特征在于，所述根据所述行人特征信息进行置信度计算，得到识别置信度包括：对所述行人特征信息进行特征对比，得到特征对比结果，并根据所述特征对比结果进行置信度计算，得到对应于行人ID的识别置信度。5.根据权利要求3所述的方法，其特征在于，所述将所述行人元信息输入至预设的强度关系模型中进行计算，得到关系强度矩阵包括：将所述行人距离、行人停留时间、行人生物特征及对应的行人ID输入至预设的强度关系模型中计算，得到每两个行人ID之间的强度关系；根据所述强度关系，得到所述关系强度矩阵。6.根据权利要求5所述的方法，其特征在于，所述根据所述关系强度矩阵，生成行人关系图包括：将所述行人ID作为点，并将所述关系强度矩阵中每两个行人ID之间的强度关系作为连接线，生成所述行人关系图。7.根据权利要求6所述的方法，其特征在于，所述利用所述行人关系图对所述识别置信度进行校正更新包括：利用所述行人关系图中所述行人ID的总个数及每两个行人ID之间的强度关系，分别对各行人ID对应的识别置信度进行校正更新。8.一种行人重识别装置，其特征在于，所述装置包括：目标检测模块，用于对采集到的监控视频进行目标检测及特征提取，分别得...
【专利技术属性】
技术研发人员：ꢀ七四专利代理机构，
申请(专利权)人：中国人民银行清算总中心，
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。