【技术实现步骤摘要】
视频人体目标重识别方法、装置、设备及存储介质
[0001]本专利技术涉及车辆转向控制
，尤其涉及一种视频人体目标重识别方法、装置、设备及存储介质。
技术介绍
[0002]人体重识别研究是智能视频监控领域重要的研究分支，是当前计算机视觉领域研究的热点和难点；由于不同摄像机自身的属性参数不同，拍摄的角度和拍摄的时间也不同，所以拍出来的人体目标图像存在光照、视角、姿态和场景的变化，从而加大了人体重识别的难度。
[0003]传统的人体重识别方法主要是手工提取特征和学习更好的距离(相似度)度量，但是这些方法都具有一定的局限性，因为不同摄像头拍摄的行人存在的姿态不同、背景不同、光线不同等各种问题，传统的方法很难取得较好的识别效果；随着深度学习技术的迅速发展，能够自动学习鲁棒性特征的深度学习方法逐渐被广泛使用；目前的行人重识别方法主要分为两大类，一类是使用边界框对齐良好的图像作为网络的输入，另一类则是利用注意力机制来校准没有对齐的图像；但是，在图像中行人的姿态变化较大的情况下，上述两种方法往往不能取得令人满意的效果。>
技术实现思路
【技术保护点】
【技术特征摘要】
1.一种视频人体目标重识别方法，其特征在于，所述视频人体目标重识别方法包括：从待识别监控视频中读取目标图像，对所述目标图像进行检测识别，获得人体目标；获取预设行人数据库中的样本人体图像，将所述人体目标和所述样本人体图像输入预设网络模型，获得样本识别结果和人体目标识别结果；将所述样本识别结果和所述人体目标识别结果进行比较，获得重识别结果。2.如权利要求1所述的视频人体目标重识别方法，其特征在于，所述从待识别监控视频中读取目标图像，对所述目标图像进行检测识别，获得人体目标，包括：从待识别监控视频中读取符合预设筛选条件的目标图像；根据预设目标识别条件对所述目标图像中进行检测识别，获得人体目标。3.如权利要求1所述的视频人体目标重识别方法，其特征在于，所述获取预设行人数据库中的样本人体图像，将所述人体目标和所述样本人体图像输入预设网络模型，获得样本识别结果和人体目标识别结果，包括：获取预设行人数据库中的样本人体图像，将所述样本人体图像输入至基于多级别注意力机制的预设网络模型中，获得样本识别结果；将所述人体目标输入至基于多级别注意力机制的预设网络模型中，获得人体目标识别结果。4.如权利要求3所述的视频人体目标重识别方法，其特征在于，所述获取预设行人数据库中的样本人体图像，将所述样本人体图像输入至基于多级别注意力机制的预设网络模型中，获得样本识别结果，包括：获取预设行人数据库中的样本人体图像，将所述样本人体图像输入至基于多级别注意力机制的预设网络模型中，以使所述样本人体图像依次经过所述预设网络模型的卷积层、池化层和全连接层，获得样本全局特征向量；将所述样本人体图像经过所述预设网络模型的卷积层，获得符合预设尺寸的卷积特征图；根据Inception模块将所述卷积特征图进行变换，获得变换后的卷积特征数据，将所述卷积特征数据与硬区域注意力信息进行相加并再次经过所述inception模块进行卷积变换，获得卷积变换特征图，将所述卷积变换特征图经过所述预设网络模型的池化层和全连接层，获得样本局部特征向量；将所述样本全局特征向量和所述样本局部特征向量进行向量连接，获得样本识别结果。5.如权利要求4所述的视频人体目标重识别方法，其特征在于，所述获取预设行人数据库中的样本人体图像，将所述样本人体图像输入至基于多级别注意力机制的预设网络模型中，以使所述样本人体图像依次经过所述预设网络模型的卷积层、池化层和全连接层，获得样本全局特征向量，包括：获取预设行人数据库中的样本人体图像，将所述样本人体图像输入至基于多级别注意力机制的预设网络模型中，以使所述样本人体图像依次经过所述预设网络模型的卷积层，获得初始卷积特征图...
【专利技术属性】
技术研发人员：吴巨峰，钟建平，王波，周强，赵训刚，王熊珏，吕杉，徐联祥，阮小丽，翟磊，夏文祥，赵康辉，
申请(专利权)人：中铁大桥科学研究院有限公司四川省交通建设集团股份有限公司，
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。