行人重识别的方法、系统、电子设备和存储介质技术方案

本申请提供了行人重识别的方法、系统、电子设备和存储介质，包括：获取第一行人图像数据和第二行人图像数据，所述第一行人图像数据为黑白图像数据，所述第二行人图像数据为彩色图像数据；通过所述第一行人图像数据对第一特征提取网络进行训练，获取已训练第一特征提取网络；通过所述第二行人图像数据对所述已训练第一特征提取网络和第二特征提取网络进行联合训练，获取已训练第二特征提取网络；通过所述已训练第二特征提取网络对待识别图像进行特征提取，并根据提取的特征从预设的数据库中进行身份识别。在夜间颜色缺失或颜色变换等常规行人重识别方案有效性较差的情况下，有效提高了行人重识别识别率。高了行人重识别识别率。高了行人重识别识别率。

【技术实现步骤摘要】
行人重识别的方法、系统、电子设备和存储介质


[0001]本申请属于图像处理领域，尤其行人重识别的方法、系统、电子设备和存储介质。

技术介绍

[0002]行人重识别也称行人再识别，是利用计算机视觉技术判断图像或视频序列中是否存在特定行人的技术。与人脸、指纹等识别技术相比，行人重识别技术具有非接触、远距离、无需主动配合的特点，在安防监控、智慧城市等领域具有广泛应用。
[0003]目前主流的行人重识别算法主要在特定的公开数据集上优化得到，在几个特定公开数据集上取得了较好的识别率。然而，这些算法基于卷积神经网络提取RGB彩色行人图像全局/局部特征来识别，其主要特征为颜色特征。在夜间低光照情况下摄像头采集的图像颜色特征较弱或行人颜色特征改变的情况下，会造成行人重识别精度严重的下降。

技术实现思路

[0004]本专利技术实施例的主要目的在于提供了行人重识别的方法、系统、电子设备和存储介质，通过黑白图像的训练降低了算法对颜色特征的依赖而更多关注行人外形、纹理等特征，降低了算法对行人颜色特征的依赖性，在夜间颜色缺失或颜色变换等常规行人重识别方案有效性较差的情况下，有效提高了行人重识别识别率。
[0005]第一方面，提供了行人重识别的方法，所述方法包括：
[0006]获取第一行人图像数据和第二行人图像数据，所述第一行人图像数据为黑白图像数据，所述第二行人图像数据为彩色图像数据；
[0007]通过所述第一行人图像数据对第一特征提取网络进行训练，获取已训练第一特征提取网络，所述第一特征提取网络为resnet100的特征提取网络；
[0008]通过所述第二行人图像数据对所述已训练第一特征提取网络和第二特征提取网络进行联合训练，获取已训练第二特征提取网络，所述第二特征提取网络为resnet50的特征提取网络；
[0009]通过所述已训练第二特征提取网络对待识别图像进行特征提取，并根据提取的特征从预设的数据库中进行身份识别。
[0010]在一个可能的实现方式中，所述通过所述第一行人图像数据对第一特征提取网络进行训练，获取已训练第一特征提取网络，包括；
[0011]将第一行人图像数据中的黑白图像调整为高为384像素、宽为128像素；
[0012]通过主干网络为resnet100的第一特征提取网络对第一行人图像数据中的图像进行特征提取，获取已训练第一特征提取网络。
[0013]在另一个可能的实现方式中，所述通过所述第二行人图像数据对所述已训练第一特征提取网络和第二特征提取网络进行联合训练，获取已训练第二特征提取网络，包括：
[0014]将第二行人图像数据中的彩色图像调整为高为382像素、宽为128像素；
[0015]分别经主干网络为resnet100的第一特征提取网络和主干网络为resnet50的第二
特征提取网络进行特征提取，获取已训练第二特征提取网络。
[0016]在另一个可能的实现方式中，所述通过所述已训练第二特征提取网络对待识别图像进行特征提取，并根据提取的特征从预设的数据库中进行身份识别，包括：
[0017]将所述待识别图像调整为高为382像素、宽为128像素；
[0018]通过所述已训练第二特征提取网络对已调整待识别图像进行特征提取，并根据提取的特征从预设的数据库中进行身份识别。
[0019]第二方面，提供了行人重识别的系统，所述系统包括：
[0020]行人图像数据获取模块，用于获取第一行人图像数据和第二行人图像数据，所述第一行人图像数据为黑白图像数据，所述第二行人图像数据为彩色图像数据；
[0021]第一特征提取网络训练模块，用于通过所述第一行人图像数据对第一特征提取网络进行训练，获取已训练第一特征提取网络，所述第一特征提取网络为resnet100的特征提取网络；
[0022]第二特征提取网络训练模块，用于通过所述第二行人图像数据对所述已训练第一特征提取网络和第二特征提取网络进行联合训练，获取已训练第二特征提取网络，所述第二特征提取网络为resnet50的特征提取网络；
[0023]图像识别模块，用于通过所述已训练第二特征提取网络对待识别图像进行特征提取，并根据提取的特征从预设的数据库中进行身份识别。
[0024]在一个可能的实现方式中，所述通过所述第一行人图像数据对第一特征提取网络进行训练，获取已训练第一特征提取网络，包括；
[0025]将第一行人图像数据中的黑白图像调整为高为384像素、宽为128像素；
[0026]通过主干网络为resnet100的第一特征提取网络对第一行人图像数据中的图像进行特征提取，获取已训练第一特征提取网络。
[0027]在另一个可能的实现方式中，所述通过所述第二行人图像数据对所述已训练第一特征提取网络和第二特征提取网络进行联合训练，获取已训练第二特征提取网络，包括：
[0028]将第二行人图像数据中的彩色图像调整为高为382像素、宽为128像素；
[0029]分别经主干网络为resnet100的第一特征提取网络和主干网络为resnet50的第二特征提取网络进行特征提取，获取已训练第二特征提取网络。
[0030]在另一个可能的实现方式中，所述通过所述已训练第二特征提取网络对待识别图像进行特征提取，并根据提取的特征从预设的数据库中进行身份识别，包括：
[0031]将所述待识别图像调整为高为382像素、宽为128像素；
[0032]通过所述已训练第二特征提取网络对已调整待识别图像进行特征提取，并根据提取的特征从预设的数据库中进行身份识别。
[0033]第三方面，提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现如第一方面提供的行人重识别的方法。
[0034]第四方面，提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如第一方面提供的行人重识别的方法。
附图说明
[0035]为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所
需要使用的附图作简单地介绍。
[0036]图1为本专利技术一个实施例提供的行人重识别的方法的流程图；
[0037]图2为本专利技术一个实施例提供的行人重识别的系统的结构图；
[0038]图3为本专利技术一种电子设备的实体结构示意图。
[0039]具体实现方式
[0040]下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的模块或具有相同或类似功能的模块。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能解释为对本专利技术的限制。
[0041]本
技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种行人重识别的方法，其特征在于，所述方法包括：获取第一行人图像数据和第二行人图像数据，所述第一行人图像数据为黑白图像数据，所述第二行人图像数据为彩色图像数据；通过所述第一行人图像数据对第一特征提取网络进行训练，获取已训练第一特征提取网络，所述第一特征提取网络为resnet100的特征提取网络；通过所述第二行人图像数据对所述已训练第一特征提取网络和第二特征提取网络进行联合训练，获取已训练第二特征提取网络，所述第二特征提取网络为resnet50的特征提取网络；通过所述已训练第二特征提取网络对待识别图像进行特征提取，并根据提取的特征从预设的数据库中进行身份识别。2.如权利要求1所述的方法，其特征在于，所述通过所述第一行人图像数据对第一特征提取网络进行训练，获取已训练第一特征提取网络，包括；将第一行人图像数据中的黑白图像调整为高为384像素、宽为128像素；通过主干网络为resnet100的第一特征提取网络对第一行人图像数据中的图像进行特征提取，获取已训练第一特征提取网络。3.如权利要求2所述的方法，其特征在于，所述通过所述第二行人图像数据对所述已训练第一特征提取网络和第二特征提取网络进行联合训练，获取已训练第二特征提取网络，包括：将第二行人图像数据中的彩色图像调整为高为382像素、宽为128像素；分别经主干网络为resnet100的第一特征提取网络和主干网络为resnet50的第二特征提取网络进行特征提取，获取已训练第二特征提取网络。4.如权利要求3所述的方法，其特征在于，所述通过所述已训练第二特征提取网络对待识别图像进行特征提取，并根据提取的特征从预设的数据库中进行身份识别，包括：将所述待识别图像调整为高为382像素、宽为128像素；通过所述已训练第二特征提取网络对已调整待识别图像进行特征提取，并根据提取的特征从预设的数据库中进行身份识别。5.一种行人重识别的系统，其特征在于，所述系统包括：行人图像数据获取模块，用于获取第一行人图像数据和第二行人图像数据，所述第一行人图像数据为黑白图像数据，所述第二行人图像数据为彩色图像数据；第一特征提取网络训练模块，用于通过所述第一行人图像数据对第一特...

【专利技术属性】
技术研发人员：刘树惠，李今鸣，查航，
申请(专利权)人：武汉众智数字技术有限公司，
类型：发明
国别省市：