行人重识别方法、装置、设备及计算机可读存储介质制造方法及图纸

本发明专利技术实施例涉及人工智能技术领域，公开了一种行人重识别方法，该方法包括：将待测行人图片及待检测视频的视频图片输入特征提取网络，得到所述待测行人图片中目标行人的第一特征矩阵和所述视频图片中行人的第二特征矩阵；计算所述第一特征矩阵和所述第二特征矩阵的第一距离；对所述待测行人图片及所述视频图片进行边缘检测，得到所述待测行人图片的第三特征矩阵及所述视频图片的第四特征矩阵；计算所述第三特征矩阵与所述第四特征矩阵之间的第二距离；根据所述第一距离及所述第二距离进行加权计算，得到计算结果；根据所述计算结果，确定所述待检测视频中是否存在所述待测行人图片中的目标行人。本发明专利技术实施例实现了提高行人重识别准确率的效果。人重识别准确率的效果。人重识别准确率的效果。

【技术实现步骤摘要】
行人重识别方法、装置、设备及计算机可读存储介质


[0001]本专利技术实施例涉及人工智能
，具体涉及一种行人重识别方法、装置、设备及计算机可读存储介质。

技术介绍

[0002]目前，随着社会的飞速发展，社会公共安全问题越来越受到人们的关注，大型公共场所都已经安装了监控摄像头，随之而来的是海量的视频监控数据，如何利用好这些海量数据，使得监控技术更加高效和智能化成为了一个有待解决的问题，行人重识别就是视频监控中核心的环节，行人重识别是判断在不同监控视频下出现的行人是否属于同一个行人的技术，传统的行人重识别技术主要采用人工提取特征的方法。然而，本申请的专利技术人在实施本专利技术实施例的过程中发现：现有的方案中对卷积网络中的损失函数增加约束函数，导致约束函数的计算量过大影响网络的训练效率，且只采用行人表面特征进行比较，准确性不足。

技术实现思路

[0003]鉴于上述问题，本专利技术实施例提供了一种行人重识别方法、装置、设备及计算机可读存储介质，用于解决现有技术中存在的识别准确性差的问题。
[0004]根据本专利技术实施例的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种行人重识别方法，其特征在于，所述方法包括：将待测行人图片及待检测视频的视频图片输入特征提取网络，得到所述待测行人图片中目标行人的第一特征矩阵和所述视频图片中行人的第二特征矩阵；计算所述第一特征矩阵和所述第二特征矩阵的第一距离；对所述待测行人图片及所述视频图片进行边缘检测，得到所述待测行人图片的第三特征矩阵及所述视频图片的第四特征矩阵；计算所述第三特征矩阵与所述第四特征矩阵之间的第二距离；根据所述第一距离及所述第二距离进行加权计算，得到计算结果；根据所述计算结果，确定所述待检测视频中是否存在所述待测行人图片中的目标行人。2.根据权利要求1所述的方法，其特征在于，所述将待测行人图片及待检测视频的视频图片输入特征提取网络，得到所述待测行人图片中目标行人的第一特征矩阵和所述视频图片中行人的第二特征矩阵之前，所述方法包括：获取待测行人图片以及待检测视频；提取所述待检测视频中至少一个带行人的图片；对所述至少一个带行人的图片中的行人进行标记，得到所述至少一个视频图片。3.根据权利要求1所述的方法，其特征在于，所述将待测行人图片及待检测视频的视频图片输入特征提取网络，得到所述待测行人图片中目标行人的第一特征矩阵和所述视频图片中行人的第二特征矩阵之前，所述方法包括：对样本数据集进行背景处理，得到多背景的行人图片，并对所述多背景的行人图片进行标记，得到行人样本图片；将所述行人样本图片输入残差网络中进行训练，并通过预设损失函数优化所述残差网络，以得到所述特征提取网络。4.根据权利要求3所述的方法，其特征在于，所述预设损失函数根据锚点图片与正样本特征值之间的相似度以及所述锚点图片与负样本特征值之间的相似度得到。5.根据权利要求4所述的方法，其特征在于，所述锚点图片与正样本特征值之间的相似度以及所述锚点图片与负样本特征值之间的相似度分别根据杰卡德距离计算得到。6.根据权利要求1所述的方法，其特征在于，所述待检测视频中包括多个视频图片；所述计算所述第一特征矩阵和所述第二特征矩阵的第一距离，包括：所述将待测行人图片及待检测视频的多个视频图片输入特征提取网络，得到所述待测...

【专利技术属性】
技术研发人员：张涛，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：