【技术实现步骤摘要】
一种小股人群重识别方法及模型训练方法
[0001]本专利技术涉及一种小股人群重识别方法及模型训练方法，属于行人重识别
技术介绍
[0002]近年来，随着人工智能技术在计算机视觉领域的不断进步，智能视频监控技术受到了来自学术界与工业界的广泛关注和研究，实现了在多种实际复杂场景中的应用。与精确身份识别要求的面部、虹膜、指纹或身体的清晰图像相对应，行人重识别(Person re
‑
identification)技术是监控场景下以人为中心的研究领域，该领域具有非常重要的现实意义和商业转化前景。行人再识别是依托广泛分布的视频监控系统实现跨摄像头的行人特征提取和检索，为公共安全保障提供高效技术手段。
[0003]传统的行人重识别研究方法大多聚焦于可见光条件下人体姿态、背景、光照等的问题，研究主要关注特征表达和度量学习两方面。除此之外，有一些研究开始关注运用行人群体匹配来辅助个体匹配，研究在同一视频帧或者相邻视频帧上人群的视觉描述子。在实际应用中，行人群体不仅可提升行人重识别的检测匹配率，对人群的研究和...
【技术保护点】
【技术特征摘要】
1.一种小股人群重识别模型训练方法，其特征在于，所述方法包括：S1、获取第一样本图像和第二样本图像，并确定所述第一样本图像中的第一人群区域和所述第二样本图像中的第二人群区域；S2、将所述第一人群区域输入第一主干网络中，获得第一人群中每个行人的个体特征和第一人群的全局特征，并将所述第二人群区域输入第二主干网络中，获得第二人群中每个行人的个体特征和第二人群的全局特征；S3、将所述第一人群的全局特征和所述第二人群的全局特征输入第一神经网络中进行训练，得到人群相似性判断网络；S4、将第一人群的个体特征和第二人群的个体特征输入第二神经网络中进行训练，得到个体相似性判断网络；S5、根据所述第一主干网络、所述第二主干网络、所述人群相似性判断网络和所述个体相似性判断网络构建小股人群重识别模型。2.根据权利要求1所述的方法，其特征在于，所述S4具体包括：选取距离所述第一人群区域中心最近的行人坐标作为第一中心目标，并选取距离所述第二人群区域中心最近的行人坐标作为第二中心目标；根据所述第一中心目标和所述第二中心目标的坐标分别获取其对应的个体特征；将两个所述个体特征输入第二神经网络进行训练，得到个体相似性判断网络。3.根据权利要求1所述的方法，其特征在于，所述S1中的确定所述第一样本图像中的第一人群区域和所述第二样本图像中的第二人群区域，具体包括：S11、对样本图像进行行人目标检测，并标记出每个目标行人的目标框；S12、获取距离所述样本图像中心位置最近的目标行人作为第一目标行人；S13、计算其余目标行人与所述第一目标行人之间的坐标距离，并按所述坐标距离从小到大对其余目标行人进行排序，形成目标行人序列；S14、将所述目标行人序列中坐标距离小于预设距离的前N个目标行人与所述第一目标行人划分为同一群体，所述同一群体的所有目标框的外接矩形所围区域为一个人群区域；S15、将未进入所述人群区域的一个目标行人作为更新后的第一目标行人；S16、计算其余未进入所述人群区域的目标行人与所述第一目标行人之间的坐标距离，并按所述坐标距离从小到大对其余未进入所述人群区域的目标行人进行排序，形成更新后的目标行人序列；S17、重复执行步骤S14至S16，直至所述样本图像中的所有目标行人均划入某一人群区域中；其中，若所述样本图像为所述第一样本图像，则所述人群区域为所述第一人群区域；若所述样本图像为所述第二样本图像，则所述人群区域为所述第二人群区域。4.根据权利要求1或3所述的方法，其特征在于，在所述S1后，所述方法还包括：调整所述第一人群区域或所述第二人群区域的尺寸，使得所述第一人群区域和所述第二人群区域的尺寸相同。5.根据权利要求1所述的方法，其特征在于，所述第一主干网络和/或所述第二主干网络为引入了注意力机制的CvT网络结构。6.根据权利要求1所述的方法，其特征在于，所述小股人群重识别模型的...
【专利技术属性】
技术研发人员：李星光，张德馨，
申请(专利权)人：中科智为科技天津有限公司，
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。