多行人目标重识别方法、装置及应用制造方法及图纸

本申请提出了一种多行人目标重识别方法、装置及应用，获取包含至少两连续视频帧的视频流；将视频流输入到行人目标检测模型中输出包含至少一行人的行人检测结果；将对应多帧视频帧的行人检测结果输入到行人跟踪模型中输出标记有跟踪ID的跟踪行人检测结果，其中每一跟踪ID对应一行人；将跟踪行人检测结果输入到行人重识别模型中更正ID，输出标记有更正ID的重识别行人检测结果，其中每一更正ID对应一行人，设计了可从密集的人群中识别到行人目标的多行人目标检测模型，且对行人跟踪和行人重识别方法进行优化，以最终从视频流中识别得到精准的多行人目标。准的多行人目标。准的多行人目标。

【技术实现步骤摘要】
多行人目标重识别方法、装置及应用


[0001]本申请涉及目标检测领域，特别是涉及多行人目标重识别方法、装置及应用。

技术介绍

[0002]现阶段视频监控在日常生活中可以随处可见，在监控视频中，由于相机分辨率和拍摄角度的缘故，比如无法拍摄到清晰的正面图、无法获取全面的人脸角度等情况都导致无法得到质量非常高的人脸图片，这就使得人脸识别技术失效了。当人脸识别失效的情况下，行人ReID就成为了一个非常重要的替代品技术：行人重识别（Person Re
‑
identification）也称行人再识别，简称为ReID，是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术，ReID能够通过目标任务的穿着、体态、发型等特征，识别出不同场景中的同一个目标人物，因此它也被称作跨境追踪技术。
[0003]目前行人重识别技术在安防领域、自动驾驶等领域都有着广泛的应用；比如在智能安防领域，能够借助ReID帮助快速筛查可疑人员；在智能寻人领域，在人流量较大的场所如机场、火车站，通过ReID寻找走失儿童和老人；在智能商业领域，ReID可以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多行人目标重识别方法，其特征在于，包括以下步骤：获取包含至少两连续视频帧的视频流；将视频流输入到行人目标检测模型中输出包含至少一行人的行人检测结果；将对应多帧视频帧的行人检测结果输入到行人跟踪模型中输出标记有跟踪ID的跟踪行人检测结果，其中每一跟踪ID对应一行人；将跟踪行人检测结果输入到行人重识别模型中更正ID，输出标记有更正ID的重识别行人检测结果，其中每一更正ID对应一行人。2.根据权利要求1所述的多行人目标重识别方法，其特征在于，行人目标检测模块的网络架构包括输入层、骨干网络层、颈部网络层以及检测头部，其中骨干网络层包括网络茎干和注意力混合网络，注意力混合网络包括第一注意力混合单元、第一双向融合模块、第二注意力混合单元以及第二双向融合模块，其中每一视频帧输入输入层获取输入图像，网络茎干将输入图像融合处理为块特征图，块特征图输入到第一注意力混合单元中输出不同分辨率的第一分辨率特征，第一分辨率特征输入第一双向融合模型中输出对应的第一双向融合特征，第一双向融合特征输入到第二注意力混合单元中输出不同分辨率的第二分辨率特征，第二分辨率特征输入到第二双向融合模块中输出不同分辨率的第二双向融合特征；不同分辨率的第二双向融合特征和第一双向融合特征输入到颈部网络层中进行自上而下融合以及自下而上融合输出不同分辨率的预测特征；预测特征分别输入不同的检测头部内进行预测得到行人检测结果。3.根据权利要求2所述的多行人目标重识别方法，其特征在于，第一注意力混合单元包括注意力混合模块组1，注意力混合模块组2以及注意力混合模块组4，注意力混合模块组1并行连接注意力混合模块组2和注意力混合模块组4，块特征图经过注意力混合模块组1的处理后分别进入注意力混合模块组2和注意力混合模块组4中得到两个不同分辨率的第一分辨率特征；第二注意力混合模块包括并行的注意力混合模块组3和注意力混合模块组5，不同分辨率的第一双向融合特征分别输入到注意力混合模块组3和注意力混合模块组5中得到对应的第二分辨率特征。4.根据权利要求3所述的多行人目标重识别方法，其特征在于，第一注意力混合单元中的注意力混合模块组1包括四个注意力混合模块，第一个注意力混合模块用于提取特征和降采样操作，其余三个注意力混合模块用于特征提取，注意力混合模块组2包括八个注意力混合模块，第一个注意力混合模块用于提取特征和降采样操作，其余七个注意力混合模块用于特征提取，注意力混合模块组4包括八个注意力混合模块，八个注意力混合模块都用于特征提取。5.根据权利要求3所述的多行人目标重识别方法，其特征在于，注意力混合模块组3包括四个注意力混合模块，第一个注意力混合模块用于特征提取和降采样操作，注意力混合模块组5包括四个注意力混合模块，四个注意力混合模块都用于特征提取。6.根据权利要求3所述的多行人目标重识别方法，其特征在于，注意力混合模块组1、注意力混合模块组2、注意力混合模块组3、注意力混合模块组4、注意力混合模块组5内均含有注意混合模块，每一注意力混合模块包括并行的第一卷积分支和第二卷积分支，其中第一卷积分支包括1*1卷积，1*1卷积后接不同分支的5*5深度卷积、9*9深度卷积和13*13深度卷积，不同分支的深度卷积后接特征堆叠层、自相关模块以及1*1卷积，其中第二卷积分支包
括依次连接的5*5深度卷积和1*1卷积；第一卷积分支和第二卷积分支后接特征堆叠层以及通道混洗。7.根据权利要求1所述的多行人目标重识别方法，其特征在于，第一双向融合模块和第二双向融合模块均采用相同结构的双向融合模块，高分辨的分辨率特征和低分辨率的分辨率特征作为双向融合模块的输入特征，低分辨率的分辨率特征首先过1*1卷积和上采样得到上采样特征，上采样特征和高分辨率的分辨率特征进行元素级相加后输出高分辨率的双向融合特征，高分辨率的分辨率特征经历5*5深度卷积后经历1*1卷积和下采样得到下采样特征，下采样特征和低分辨率的分辨率特征进行元素级相加得到低分辨率的双向融合特征。8.根据权利要求1所述的多行人目标重识别方法，其特征在于，高分辨率的第二双向融合特征、高分辨率的第一双向融合特征和低分辨率的第二双向融合特征分别进入颈部网络层进行1*1卷积得到特征P3，特征P2以及特征P1，特征P3对应的特征1和特征P2进行自上向下融合得到特征2，特征2和特征P1进行自上向下融合得到特征3，特征3和特征2进行自下而上融合得到特征5，特征5和特征1进行自下而上融合得到特征5，特征4、...

【专利技术属性】
技术研发人员：张香伟，戚云丰，王勇，彭大蒙，曹喆，
申请(专利权)人：城云科技中国有限公司，
类型：发明
国别省市：