云边协同感知的多终端跨时空行人重识别方法及系统技术方案

本发明专利技术公开了云边协同感知的多终端跨时空行人重识别方法，包括两个阶段的行人重识别聚类编码；通过边缘智能感知模块采用自顶向下的行人重识别算法，从历史图像中完成行人目标检测，并提取行人目标特征完成一阶段行人重识别聚类编码；通过云端行人重识别智能模块采用自底向上的行人重识别算法，对边缘智能感知模块行人重识别结果进行判别，完成二阶段行人重识别聚类编码，生成基于行人重识别的历史轨迹，构建自动标注行人数据集及终身持续学习模型；根据边缘智能感知模块、云端行人重识别智能模块获取的数据对自动标注行人数据集及终身持续学习模型进行循环优化。实现了可扩展、可重构、可迭代、可进化的持续学习行人重识别算法。算法。算法。

【技术实现步骤摘要】
云边协同感知的多终端跨时空行人重识别方法及系统


[0001]本专利技术属于计算机视觉
，具体涉及一种云边协同感知的多终端跨时空行人重识别方法及系统。

技术介绍

[0002]多功能智慧灯杆作为智慧城市实现物联网感知的有效载体，在实现智慧照明的基础上，进一步拓展了智能监控、5G基站、WIFI覆盖、空气质量监测、环境监测等功能，已成为城市智慧化、数字化深度应用的重要抓手。
[0003]目前国内外智慧灯杆的研究主要集中在智能照明和车联网应用方面，关注节能、自动控制和网络通信等技术，对于灯杆视角下的行人重识别技术研究较少。由于智慧灯杆视角下，行人图像分辨率低、行人姿态变化、遮挡、天气光照变化大、灯杆摄像机角度、视觉模糊性、源域与目标域的域偏差问题、跟踪系统实时性问题，使得现有的行人重识别算法准确率不高。
[0004]现有技术在智慧灯杆场景很难获得较好的应用效果。

技术实现思路

[0005]本专利技术所要解决的技术问题是：提供一种云边协同感知的多终端跨时空行人重识别方法及系统，解决了现有技术中智慧灯杆视角下现有行人重识本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.云边协同感知的多终端跨时空行人重识别方法，其特征在于：包括两个阶段的行人重识别聚类编码；其中，通过边缘智能感知模块获取自身时空坐标下所有行人的目标图像，采用自顶向下的行人重识别算法，从历史图像中完成行人目标检测，并提取行人目标特征完成一阶段行人重识别聚类编码；通过云端行人重识别智能模块获取所有边缘智能感知模块上传的所有行人信息，并提取每个行人对应的边缘智能感知模块，通过自底向上的行人重识别算法，对边缘智能感知模块行人重识别结果进行判别，完成二阶段行人重识别聚类编码，生成基于行人重识别的历史轨迹，构建自动标注行人数据集及终身持续学习模型；根据边缘智能感知模块、云端行人重识别智能模块获取的数据对自动标注行人数据集及终身持续学习模型进行循环优化。2.根据权利要求1所述的云边协同感知的多终端跨时空行人重识别方法，其特征在于：所述边缘智能感知模块设置在智慧灯杆上，所有智慧灯杆通过5G构建无线AIOT网络，实现授时同步、共享学习以及边端智能算法程序OTA升级。3.根据权利要求2所述的云边协同感知的多终端跨时空行人重识别方法，其特征在于：所述边缘智能感知模块执行轻量化深度学习程序，包括如下步骤：步骤1、智慧灯杆上的边缘智能感知模块从其相应的摄像机汇总接收视频流作为输入；步骤2、将原始视频序列通过运动检测得到有效视频序列，排除视频中大量低活动复杂度的无关背景帧，保留活动视频帧作为后续分析的输入图像；步骤3、采用基于YOLOv7
‑
tiny的轻量级目标检测框架检测出行人；步骤4、应用轻量级卷积神经网络MicroNet的轻量化网络，获取边缘灯杆端行人识别结果；步骤5、将边缘灯杆端识别结果进行压缩并传输到云端。4.根据权利要求1所述的云边协同感知的多终端跨时空行人重识别方法，其特征在于：边缘智能感知模块对获取的目标图像进行一阶段行人重识别聚类编码的过程如下：先将该边缘智能感知模块所在灯杆域下所有行人的目标图像视为一个簇；其次，提取行人的目标特征，并根据历史图像信息完成行人目标检测；然后，将同一灯杆域下的同一行人图像分配到同一簇中进行聚类，聚类完成后，根据簇分配结果，赋予行人ID编码；最后，将处理结果发送至云端行人重识别智能模块。5.根据权利要求4所述的云边协同感知的多终端跨时空行人重识别方法，其特征在于：云端行人重识别智能模块对接收到的一阶段聚类编码进行二阶段行人重识别聚类编码，具体过程如下：将一阶段行人重识别编码经时空预测互校正后，对不同灯杆域下的已分类的行人特征集合进行自底向上的层次聚类；首先，将所有灯杆域下每个行人目标视为单独的簇，将不同灯杆域下的同一行人...

【专利技术属性】
技术研发人员：朱忠攀，麻开菁，何斌，陆萍，李刚，程斌，
申请(专利权)人：同济大学，
类型：发明
国别省市：