行人重识别方法及装置、存储介质、终端制造方法及图纸

本发明专利技术公开了一种行人重识别方法及装置、存储介质、终端，涉及计算机视觉技术领域，主要目的在于解决现有行人重识别准确度较低的问题。包括：获取包含目标行人的第一图像及包含待识别行人的第二图像；对第一图像和第二图像进行关系特征提取，得到第一图像的第一关系特征和第二图像的第二关系特征；利用基于第一关系特征和第二关系特征确定的亲和矩阵对第一关系特征和第二关系特征进行特征整合，得到第一图像的第一整合特征和第二图像的第二整合特征；分别计算第一关系特征和第二关系特征，及第一整合特征和第二整合特征的相似度，并基于相似度确定行人重识别结果。主要用于对行人图像的识别。图像的识别。图像的识别。

【技术实现步骤摘要】
行人重识别方法及装置、存储介质、终端


[0001]本申请涉及计算机视觉
，尤其是涉及行人重识别方法及装置、存储介质、终端。

技术介绍

[0002]行人重识别技术(Person re
‑
identification，简称Re
‑
ID)也称行人再识别技术，是利用计算机视觉技术对图像或视频中的特定对象进行识别的技术，该技术将行人识别技术与目标跟踪技术相结合，通过对给定检索行人的图像与待检索行人的视频帧或图像进行特征提取，并根据提取的特征进行相似度计算，从而确定待检索行人是否为给定检索行人，广泛应用于智能视频监控、智能安保等业务场景。
[0003]现有的行人重识别方法主要是基于改进的STN(Spatial Transformer Network)模型的行人重识别方法，该方法利用改进的STN模型，通过对图像进行放射变换实现对行人的识别，当面对图像中的行人被遮挡的情况时，识别过程容易受到遮挡物的影响，从而导致输出的识别结果异常或识别的准确度较低，此外，训练好的STN模型泛化能力不足，也导致识别的准确度较低。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，包括：获取包含目标行人的第一图像及包含待识别行人的第二图像；对所述第一图像和所述第二图像进行关系特征提取，得到所述第一图像的第一关系特征和所述第二图像的第二关系特征，所述第一关系特征和所述第二关系特征是基于所述第一图像和所述第二图像的关键点特征内容提取到的；利用基于所述第一关系特征和所述第二关系特征确定的亲和矩阵对所述第一关系特征和所述第二关系特征进行特征整合，得到所述第一图像的第一整合特征和所述第二图像的第二整合特征；分别计算所述第一关系特征和所述第二关系特征，及所述第一整合特征和所述第二整合特征的相似度，并基于所述相似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，所述利用基于所述第一关系特征和所述第二关系特征确定的亲和矩阵对所述第一关系特征和所述第二关系特征进行特征整合之前，所述方法还包括：利用全连接层和参数修正激活函数对所述第一关系特征和所述第二关系特征进行激活处理，得到第一激活特征和第二激活特征；对所述第一激活特征和所述第二激活特征进行图匹配处理，得到所述第一图像和所述第二图像之间的亲和矩阵；所述亲和矩阵用于表征所述第一图像的关键点和所述第二图像的关键点之间的关系。3.根据权利要求1或2所述的方法，其特征在于，所述利用基于所述第一关系特征和所述第二关系特征确定的亲和矩阵对所述第一关系特征和所述第二关系特征进行特征整合，得到所述第一图像的第一整合特征和所述第二图像的第二整合特征，包括：利用所述亲和矩阵分别对所述第一关系特征和所述第二关系特征进行修正，并将修正结果与对应关系特征进行拼接整合处理，得到第一整合特征和第二整合特征。4.根据权利要求1所述的方法，其特征在于，所述对所述第一图像和所述第二图像进行关系特征提取，得到所述第一图像的第一关系特征和所述第二图像的第二关系特征，包括：利用训练完成的行人重识别模型分别提取所述第一图像和所述第二图像的关键点图，并根据所述关键点图进行特征提取，得到所述第一图像的第一关键点特征和所述第二图像的第二关键点特征，所述关键点图用于展示图像中行人身体各部位的关键点；利用所述训练完成的行人重识别模型分别对所述第一关键点特征和所述第二关键点特征进行关系特征提取，得到用于表征图像中关键点之间关系的第一关系特征和第二关系特征。5.根据权利要求4所述的方法，其特征在于，所述根据所述关键点图进行特征提取，得到所述第一图像的第一关键点特征和所述第二图像的第二关键点特征，包括：根据所述关键点图分别提取全局特征图，并根据所述全局特征图进行特征提取，得到所述第一图像的第一全局特征和所述第二图像的第二全局特征，其中，所述全局特征图用...

【专利技术属性】
技术研发人员：邵一川，李常迪，李思诺，陈醉涵，马佳星，谭震宇，郭傲，刘金雨，付雨凡，赵鑫舒，
申请(专利权)人：沈阳大学，
类型：发明
国别省市：