一种基于边缘计算的行人重识别方法技术

本发明专利技术提供的一种基于边缘计算的行人重识别方法，该方法主要包括以下步骤：获取视频流，将视频流进行分解得到图像帧序列；将行人检测模型和行人重识别模型移植至边缘计算设备；将图像帧序列发送至边缘计算设备；将图像帧序列输入至行人检测模型，输出得到行人图像；将行人图像输入至行人重识别模型，输出得到相似度排序，根据相似度排序确定重识别结果；方案极大地减少了数据传输量，提高算法的执行效率，使得行人重识别过程更具有实时性，方案进行模型推理时无需额外配置深度学习的环境，具有即插即用的特点；此外，方案针对行人的局部之间的关系挖掘更具有表现力的行人特征表达，避免产生行人错误匹配，可广泛应用于行人重识别技术领域。行人重识别技术领域。行人重识别技术领域。

【技术实现步骤摘要】
一种基于边缘计算的行人重识别方法


[0001]本专利技术涉及行人重识别
，尤其是一种基于边缘计算的行人重识别方法。

技术介绍

[0002]随着城市化的推进，安全问题成为重点关注的问题之一，城市监控视频为城市管理提供了重要的资料和证据。海量的监控数据使得行人重识别技术有了发展的必要，行人重识别是一项利用深度学习匹配不同监控摄像头拍摄收集的相同行人的图片的图像检索技术，在城市安防领域有着重要的应用前景。目前，如图1所示，行人重识别技术可以简单概括为以下几个步骤：行人检测、特征提取、距离度量和行人匹配。首先通过摄像头拍摄到包含有行人的图像，将图像传送到服务器中利用行人检测算法检测出行人的位置并绘制包围框，再将行人包围框输入到行人特征提取网络中获取行人的特征向量，利用距离度量函数度量该行人的特征向量与所有行人的特征向量的相似度，最后匹配出最相似的行人从而完成重识别。将最终的匹配结果显示在监控室中。
[0003]但是，目前城市监控中往往会出现大量的行人，而对目标行人的检测和重识别又需要实时性。在上述过程中，由于原始图像的拍摄和行人检测、行人本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于边缘计算的行人重识别方法，其特征在于，包括以下步骤：获取视频流，将所述视频流进行分解得到图像帧序列；将行人检测模型和行人重识别模型移植至边缘计算设备；将所述图像帧序列发送至所述边缘计算设备；将所述图像帧序列输入至所述行人检测模型，输出得到行人图像；将所述行人图像输入至所述行人重识别模型，输出得到相似度排序，根据所述相似度排序确定重识别结果。2.根据权利要求1所述的一种基于边缘计算的行人重识别方法，其特征在于，在将行人检测模型和行人重识别模型移植至边缘计算设备之前，方法包括以下步骤：获取行人重识别模型目标网络结构的权重文件以及模型文件；将所述权重文件以及模型文件加载至开发环境，在所述开发环境中构建得到所述行人重识别模型。3.根据权利要求2所述的一种基于边缘计算的行人重识别方法，其特征在于，所述将所述图像帧序列输入至所述行人检测模型，输出得到行人图像这一步骤，包括：对所述图像帧序列进行特征信息提取得到特征矩阵；将所述特征矩阵划分得到若干个局部特征向量；确定所述局部特征向量的通道权重；根据所述通道权重以及所述局部特征向量输出得到身份特征向量，所述身份特征向量用于表征所述行人图像中的行人。4.根据权利要求3所述的一种基于边缘计算的行人重识别方法，其特征在于，在对所述图像帧序列进行特征信息提取得到特征矩阵之后，方法包括以下步骤：通过卷积操作和加权注意力掩码得到对所述特征矩阵中空间维度加权的权重矩阵；根据所述权重矩阵提升所述特征矩阵中人体区域的特征值。5.根据权利要求3所述的一种基于边缘计算的行人重识别方法，其特征在于，所述确定所述局部特征向量的通道权重这一步骤，包括：对所述局部特征向量进行...

【专利技术属性】
技术研发人员：陈弟虎，侯延柯，曾海棠，
申请(专利权)人：中山大学，
类型：发明
国别省市：