本申请属于行人重识别领域，尤其涉及一种行人重识别的方法、装置、终端设备和存储介质。该方法包括：获取视频流和目标行人的图像，并根据目标行人的图像确定目标行人的特征向量；将视频流输入多阶段行人重识别模型中，得到第一行人的属性信息、身份信息和属性身份信息，确定第一行人的特征向量；根据目标行人的特征向量和第一行人的特征向量，确定目标行人与视频流中各第一行人的匹配度。即本申请实施例可以通过多阶段行人重识别模型得到第一行人的属性信息、身份信息和属性身份信息，进而可以确定第一行人的特征向量，根据第一行人的特征向量和目标行人的特征向量，即可在各第一行人中对目标行人进行识别，提高行人重识别结果的准确性。准确性。准确性。
【技术实现步骤摘要】
行人重识别的方法、装置、终端设备和存储介质
[0001]本申请属于行人重识别领域，尤其涉及一种行人重识别的方法、装置、终 端设备和存储介质。
技术介绍
[0002]行人重识别是安防监控中的一项重要应用，目的是匹配在不同视角、时间 下的监控中搜索到的行人。
[0003]目前，基于卷积神经网络(CNN)的方法在视频行人重识别方法占据了主 流，该类方法主要是使用由2D与3D卷积层叠加而成的卷积神经网络来分别提 取时间与空间特征，但这类方法很大程度上受限于卷积神经网络的局部性(即 有效感受野的大小)，进而使行人重识别的结果不够准确。
技术实现思路
[0004]本申请实施例提供一种行人重识别的方法、装置、终端设备和存储介质， 可以提高行人重识别结果的准确性。
[0005]第一方面，本申请实施例提供一种行人重识别的方法，包括：
[0006]获取视频流和目标行人的图像，并根据所述目标行人的图像确定所述目标 行人的特征向量；
[0007]将所述视频流输入多阶段行人重识别模型中，得到所述视频流中第一行人 的属性信息、身份信息和属性身份信息，并根据所述第一行人的属性信息、所 述身份信息和所述属性身份信息，确定所述第一行人的特征向量；
[0008]根据所述目标行人的特征向量和所述第一行人的特征向量，确定所述目标 行人与所述视频流中各所述第一行人的匹配度，并将各所述匹配度中最大匹配 度对应的第一行人确定为对所述目标行人进行重识别的识别结果。
[0009]在第一方面的一种可能的实现方式中，所述将所述视频流输入多阶段行人 重识别模型中，包括：
[0010]将所述视频流中的各帧图像划分为图像块，并根据所述图像块，得到所述 图像块的第一特征向量；
[0011]利用所述多阶段行人重识别模型中的位置编码模块，将所述图像块的位置 信息加入所述第一特征向量中，得到所述图像块的第二特征向量；
[0012]在所述多阶段行人重识别模型中确定所述视频流对应的第一类别标记；
[0013]将所述图像块的第二特征向量和所述视频流对应的第一类别标记输入多阶 段行人重识别模型中。
[0014]其中，所述将所述视频流输入多阶段行人重识别模型中，得到所述第一行 人的属性信息、所述身份信息和所述属性身份信息，并根据所述第一行人的属 性信息、所述身份信息和所述属性身份信息，确定所述第一行人的特征向量， 包括：
[0015]将所述图像块的第二特征向量和所述视频流对应的第一类别标记输入所述 多阶段行人重识别模型中的属性信息提取模块，得到所述第一行人的属性信息；
[0016]将所述属性信息提取模块输出的图像块的第三特征向量和各所述图像块对 应的第二类别标记输入所述多阶段行人重识别模型中的身份信息提取模块，得 到所述第一行人的身份信息；
[0017]将所述属性信息提取模块输出的图像块的第三特征向量和所述视频流对应 的第一类别标记输入所述多阶段行人重识别模型中的属性身份信息提取模块， 得到所述第一行人的属性身份信息；
[0018]将所述第一行人的属性信息、所述身份信息和所述属性身份信息进行加权 连结，确定所述第一行人的特征向量。
[0019]其中，所述将所述图像块的第二特征向量和所述视频流对应的第一类别标 记输入所述多阶段行人重识别模型中的属性信息提取模块，得到所述第一行人 的属性信息，包括：
[0020]将所述图像块的第二特征向量和所述视频流对应的第一类别标记输入所述 属性信息提取模块中的第一时空聚合层，得到图像块的第三特征向量和各所述 图像块对应的第二类别标记，所述第三特征向量包括所述图像块的时间特征向 量和空间特征向量；
[0021]将所述第三特征向量输入所述属性信息提取模块中的第一属性相关代理层， 得到所述视频流中第一行人的属性信息。
[0022]其中，所述将所述属性信息提取模块输出的图像块的第三特征向量和各所 述图像块对应的第二类别标记输入所述多阶段行人重识别模型中的身份信息提 取模块，得到所述第一行人的身份信息，包括：
[0023]将所述属性信息提取模块输出的图像块的第三特征向量和各所述图像块对 应的第二类别标记输入所述身份信息提取模块中的第二时空聚合层，得到所述 图像块的第四特征向量和各所述图像块对应的第三类别标记，所述第四特征向 量包括所述图像块的时间特征向量和空间特征向量；
[0024]将所述第四特征向量输入所述身份信息提取模块中的第一身份相关代理层， 得到所述第一行人的身份信息。
[0025]其中，所述将所述属性信息提取模块输出的图像块的第三特征向量和所述 视频流对应的第一类别标记输入所述多阶段行人重识别模型中的属性身份信息 提取模块，得到所述第一行人的属性身份信息，包括：
[0026]将所述属性信息提取模块输出的图像块的第三特征向量和所述视频流对应 的第一类别标记输入所述属性身份信息提取模块中的第三时空聚合层和第二身 份相关代理层，得到所述第一行人的属性身份信息，其中，所述第三时空聚合 模块中的时间聚合层前后配置第二属性相关代理层和第三属性相关代理层。
[0027]其中，在将所述图像块的第二特征向量和所述视频流对应的第一类别标记 输入多阶段行人重识别模型中之前，还包括：
[0028]利用图像块随机扰乱对所述图像块进行数据增强。
[0029]第二方面，本申请实施例提供一种行人重识别的装置，包括：
[0030]获取模块，用于获取视频流和目标行人的图像，并根据所述目标行人的图 像确定
所述目标行人的特征向量；
[0031]确定模块，用于将所述视频流输入多阶段行人重识别模型中，得到所述第 一行人的属性信息、所述身份信息和所述属性身份信息，并根据所述第一行人 的属性信息、所述身份信息和所述属性身份信息，确定所述第一行人的特征向 量；
[0032]匹配模块，用于根据所述目标行人的特征向量和所述第一行人的特征向量， 确定所述目标行人与各所述第一行人的匹配度，并将各所述匹配度中最大匹配 度对应的第一行人确定为对所述目标行人进行重识别的识别结果。
[0033]第三方面，本申请实施例提供一种终端设备，包括存储器、处理器以及存 储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所 述计算机程序时实现如第一方面任一项所述的行人重识别的方法。
[0034]第四方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读 存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面 任一项所述的行人重识别的方法。
[0035]本申请实施例与现有技术相比存在的有益效果是：本申请的技术方案，通 过获取视频流和目标行人的图像，并根据目标行人的图像确定目标行人的特征 向量；将视频流输入多阶段行人重识别模型中，得到第一行人的属性信息、身 份信息和属性身份信息，并根据第一行人的属性信息、身份信息和属性身份信 息，确定第一行人的特征向量；根据目本文档来自技高网...
【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，包括：获取视频流和目标行人的图像，并根据所述目标行人的图像确定所述目标行人的特征向量；将所述视频流输入多阶段行人重识别模型中，得到所述视频流中第一行人的属性信息、身份信息和属性身份信息，并根据所述第一行人的属性信息、所述身份信息和所述属性身份信息，确定所述第一行人的特征向量；根据所述目标行人的特征向量和所述第一行人的特征向量，确定所述目标行人与所述视频流中各所述第一行人的匹配度，并将各所述匹配度中最大匹配度对应的第一行人确定为对所述目标行人进行重识别的识别结果。2.根据权利要求1所述的方法，其特征在于，所述将所述视频流输入多阶段行人重识别模型中，包括：将所述视频流中的各帧图像划分为图像块，并根据所述图像块，得到所述图像块的第一特征向量；利用所述多阶段行人重识别模型中的位置编码模块，将所述图像块的位置信息加入所述第一特征向量中，得到所述图像块的第二特征向量；在所述多阶段行人重识别模型中确定所述视频流对应的第一类别标记；将所述图像块的第二特征向量和所述视频流对应的第一类别标记输入多阶段行人重识别模型中。3.根据权利要求2所述的方法，其特征在于，所述将所述视频流输入多阶段行人重识别模型中，得到所述第一行人的属性信息、所述身份信息和所述属性身份信息，并根据所述第一行人的属性信息、所述身份信息和所述属性身份信息，确定所述第一行人的特征向量，包括：将所述图像块的第二特征向量和所述视频流对应的第一类别标记输入所述多阶段行人重识别模型中的属性信息提取模块，得到所述第一行人的属性信息；将所述属性信息提取模块输出的图像块的第三特征向量和各所述图像块对应的第二类别标记输入所述多阶段行人重识别模型中的身份信息提取模块，得到所述第一行人的身份信息；将所述属性信息提取模块输出的图像块的第三特征向量和所述视频流对应的第一类别标记输入所述多阶段行人重识别模型中的属性身份信息提取模块，得到所述第一行人的属性身份信息；将所述第一行人的属性信息、所述身份信息和所述属性身份信息进行加权连结，确定所述第一行人的特征向量。4.根据权利要求3所述的方法，其特征在于，所述将所述图像块的第二特征向量和所述视频流对应的第一类别标记输入所述多阶段行人重识别模型中的属性信息提取模块，得到所述第一行人的属性信息，包括：将所述图像块的第二特征向量和所述视频流对应的第一类别标记输入所述属性信息提取模块中的第一时空聚合层，得到图像块的第三特征向量和各所述图像块对应的第二类别标记，所述第三特征向量包括所述图像块的时间特征向量和空间特征向量；将所述第三特征向量输入所述属性信息提取...
【专利技术属性】
技术研发人员：张瑞茂，汤子逸，彭章琳，
申请(专利权)人：深圳市黑石板科技有限公司，
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。