【技术实现步骤摘要】
一种基于姿态估计的行人重识别方法、系统和存储介质
[0001]本专利技术涉及图像识别
，尤其涉及一种基于姿态估计的行人重识别方法、系统和存储介质。
技术介绍
[0002]行人重识别是利用深度学习算法对跨设备的行人图像或视频匹配的过程，即根据所给图像在不同设备的图像库检索出同一个行人。由于对智能安防、视频监控等方面有巨大的应用前景，行人重识别已经成为计算机视觉领域的研究焦点。由于现实中捕获的图片易受到拍摄角度、遮挡等因素影响，会导致大多图片中行人姿态不同的现象，影响行人重回识别效果。
[0003]因此，亟需提供一种技术方案解决上述技术问题。
技术实现思路
[0004]为解决上述技术问题，本专利技术提供了一种基于姿态估计的行人重识别方法、系统和存储介质。
[0005]本专利技术的一种基于姿态估计的行人重识别方法的技术方案如下：
[0006]基于姿态估计技术，获取每个原始行人图像样本的第一关节点数据，并利用每个原始行人图像样本及其对应的第一关节点数据，对改进的行人重识别网络进行训练，得...
【技术保护点】
【技术特征摘要】
1.一种基于姿态估计的行人重识别方法，其特征在于，包括：基于姿态估计技术，获取每个原始行人图像样本的第一关节点数据，并利用每个原始行人图像样本及其对应的第一关节点数据，对改进的行人重识别网络进行训练，得到目标行人重识别网络；其中，所述改进的行人重识别网络包括：依次连接的原始空间转换网络和原始行人重识别网络，所述原始空间转换网络用于将不同姿态的行人图像转换为标准姿态的行人图像，所述原始行人重识别网络用于对行人图像进行行人重识别；基于所述姿态估计技术，获取待测行人图像的目标关节点数据，并将所述待测行人图像和所述目标关节点数据输入至所述目标行人重识别网络进行识别，得到所述待测行人图像的行人重识别结果。2.根据权利要求1所述的基于姿态估计的行人重识别方法，其特征在于，所述利用每个原始行人图像样本及其对应的第一关节点数据，对改进的行人重识别网络进行训练，得到目标行人重识别网络的步骤，包括：利用每个原始行人图像样本及其对应的第一关节点数据，对所述原始空间转换网络进行训练，得到目标空间转换网络，并利用所述目标空间转换网络，获取每个原始行人图像样本对应的第一行人图像样本；将每个第一行人图像样本分别输入至所述原始行人重识别网络中进行训练，得到训练好的行人重识别网络，以根据所述目标空间转换网络和所述训练好的行人重识别网络，构建所述目标行人重识别网络。3.根据权利要求2所述的基于姿态估计的行人重识别方法，其特征在于，还包括：基于所述姿态估计技术，获取所述原始空间转换网络对应的标准行人姿态图像的标准关节点数据；所述利用每个原始行人图像样本及其对应的第一关节点数据，对所述原始空间转换网络进行训练，得到目标空间转换网络的步骤，包括：基于所述原始空间转换网络，对任一原始行人图像样本的第一关节点数据进行转换，得到该原始行人图像样本对应的转换关节点数据，并根据所述标准关节点数据和该原始行人图像样本对应的转换关节点数据，得到该行人图像样本的姿态损失，直至得到每个原始行人图像样本的姿态损失；根据所有的姿态损失，对所述原始空间转换网络进行优化，得到优化后的空间转换网络，将所述优化后的空间转换网络作为所述原始空间转换网络并返回执行所述基于所述原始空间转换网络，对任一原始行人图像样本的第一关节点数据进行转换的步骤，直至所述优化后的空间转换网络满足预设训练条件时，将所述优化后的空间转换网络确定为所述目标空间转换网络。4.根据权利要求3所述的基于姿态估计的行人重识别方法，其特征在于，所述姿态损失包括：形态损失和尺寸损失；转换关节点数据和标准关节点数据中的任一关节点数据对应有多个人体关节点；根据所述标准关节点数据和任一原始行人图像样本对应的转换关节点数据，得到该原始行人图像样本的姿态损失的步骤，包括：根据所述标准关节点数据和所述任一原始行人图像样本对应的转换关节点数据中的每对人体关节点的欧氏距离差，得到该行人图像样本的形态损失，并根据所述标准关节点数据和该原始行人图像样本对应的转换关节点数据中的每对人体关节点的长度差，得到该
原始行人图像样本的尺寸损失。5.根据权利要求2
‑
4任一项所述的基于姿态估计的行人重识别方法，其特征在于，所述将所述待测行人图像和所述目标关节点数据输入至所述目标行人重识别网络进行识别，得到所述待测行人图像的目标识别结果的步骤，包括：将所述待测行人...
【专利技术属性】
技术研发人员：邱起璐，
申请(专利权)人：数美天下北京科技有限公司，
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。