一种基于多模板特征更新的行人重识别方法及系统技术方案

本发明专利技术公开了一种基于多模板特征更新的行人重识别方法及系统，属于计算机视觉技术领域。本发明专利技术方法包括：提取目标行人的行人特征、提取目标行人的面部图像的人脸关键点，以及检测各视频帧的行人，对行人进行行人特征提取；再基于余弦距离确定初步查找对象，当其与模板特征组间的余弦距离满足条件一时，则匹配成功，否则，检测其是否满足条件二，若是则启动人脸识别处理，基于人脸识别确定行人匹配结果，否则匹配失败；当连续多帧均匹配成功时，基于匹配得到的目标行人特征对模板特征组进行更新。本发明专利技术还公开了对应本发明专利技术方法的行人重识别系统。本发明专利技术解决了行人识别的遮挡问题，且降低了运算开销，有效提升了行人识别稳定性。有效提升了行人识别稳定性。有效提升了行人识别稳定性。

【技术实现步骤摘要】
一种基于多模板特征更新的行人重识别方法及系统


[0001]本专利技术属于计算机视觉
，具体涉及一种基于多模板特征更新的行人重识别方法及系统。

技术介绍

[0002]行人重识别是计算机视觉领域中的一类重要问题。在图像或视频中进行行人的检测和识别时，往往会出现行人处于不同镜头所拍摄画面的情况。行人重识别任务需保证行人再次出现在该摄像头或其他摄像头时，可以重新锁定目标，从而完成跨镜头跟踪、行人定位等相关任务。
[0003]行人重识别包含特征提取和特征匹配两个步骤。首先在采集原始数据（图像数据）并将行人截取出来后，设计重识别模型去挖掘数据中不同行人的隐藏特征表达模式的过程称为特征提取，提取到的特征组称为模板。此后，将训练好的模型应用到测试场景中，将提取的待检测目标特征与模板特征进行比较，这一步骤称为特征匹配。
[0004]特征提取方面，随着基于神经网络的深度学习技术的发展，该技术被更广泛的用于行人重识别任务中。相比于传统的特征工程提取技术，神经网络通过数据驱动的学习方式，能够更好的提取高层次特征，并缓解手动高层次特征设计导致算法性本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多模板特征更新的行人重识别方法，其特征在于，包括下列步骤：特征提取步骤：输入目标行人的整体图像，提取所述整体图像的行人特征，得到目标行人的行人特征并作为初始模板特征，并将初始模板特征复制N份组成模板特征组，其中N为大于2的正整数；输入目标行人的面部图像，提取所述面部图像的人脸关键点，得到目标人脸关键点；输入视频流数据，对所述视频流数据的各视频帧进行行人检测，得到各视频帧的行人检测结果，并对每个行人检测结果进行行人特征提取处理，得到每个视频帧的每个行人的行人特征；行人特征匹配处理步骤：计算当前视频帧的每个行人的行人特征与当前模板特征组的每个模板特征之间的余弦距离，查找各行人特征与当前模板特征组的平均余弦距离最小的行人，得到初步查找对象；判断初步查找对象的行人特征与当前模板特征组的各模板特征之间的最小余弦距离是否小于第一阈值，若最小余弦距离小于第一阈值，则表示当前帧的目标行人匹配成功，将初步查找对象的行人特征作为当前帧的目标行人特征；否则，继续判断初步查找对象的行人特征与当前模板特征组的各模板特征之间的平均余弦距离是否小于第二阈值，若平均余弦距离小于第二阈值，则表示当前帧的目标行人匹配成功，将初步查找对象的行人特征作为当前帧的目标行人特征；否则，继续判断初步查找对象的行人特征与当前模板特征组的各模板特征之间的最小余弦距离是否小于第二阈值，若最小余弦距离小于第二阈值，则基于当前初步查找对象执行人脸识别处理步骤；否则，继续判断所述初步查找对象的行人特征与当前模板特征组的各模板特征之间的平均余弦距离是否小于第三阈值，若平均余弦距离小于第三阈值，则基于当前初步查找对象执行人脸识别处理步骤；否则表示当前帧的目标行人匹配失败；其中，第一阈值小于第二阈值，第二阈值小于第三阈值；人脸识别处理步骤：对当前初步查找对象的行人检测结果进行人脸定位和人脸关键点提取处理，得到当前初步查找对象的人脸关键点，若与目标人脸关键点相匹配，则表示当前帧的目标行人匹配成功，并将当前初步查找对象的行人特征作为当前帧的目标行人特征；否则，当前帧的目标行人匹配失败；模板特征组更新步骤：当检测到连续多帧的目标行人匹配均成功时，以最近得到的目标行人特征或者连续多帧中的任一一帧的目标行人特征作为候选模板特征，并将模板特征组的后N
‑
1个模板特征作为候选模板特征，得到包含N个候选模板特征的候选模板特征集；遍历候选模板特征集中的N
‑
1个候选模板特征的组合，查找N
‑
1个候选模板特征的组合内的余弦距离最大的组合；将查找到的N
‑
1个候选模板特征替换模板特征组的后N
‑
1个模板特征，得到更新后的模板特征组。2.如权利要求1所述的基于多模板特征更新的行人重识别方法，其特征在于，所述特征
提取步骤中，采用基于神经网络的行人检测网络对视频流数据的各视频帧进行行人检测。3.如权利要求2所述的基于多模板特征更新的行人重识别方法，其特征在于，行人检测网络在检测时的目标类仅设置为一个类别：行人。4.如权利要求1所述的基于多模板特征更新的行人重识别方法，其特征在于，所述特征提取步骤中，通过基于神经网络的行人重识别网络进行行人特征提取。5.一种基于多模板特征更新的行人重识别系统，其特征在于，包括行人检测单元、行人特征提取单元、人脸识别处理单元、行人特征匹配处理单元、模板特征组更新单元和存储单元；所...

【专利技术属性】
技术研发人员：周军，郭鸿韬，曹晴晴，弓育川，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：