本发明专利技术公开了一种行人匹配方法，该行人匹配方法包括：获取目标行人的待匹配图像，并根据所述待匹配图像确定所述目标行人的辅助图像；将所述辅助图像与所述待匹配图像进行通道叠加，得到所述目标行人的叠加图像；通过训练好的特征提取网络对所述叠加图像进行特征提取，得到目标特征，并根据所述目标特征对所述目标行人进行匹配。通过在目标行人的待匹配图像中提取目标行人的辅助图像，将辅助图像与待匹配图像进行通道叠加，得到叠加图像来进行特征提取，由于叠加图像中的包含有额外的辅助信息，使得特征提取网络能够通过这种辅助信息来辅助特征提取，使得特征提取网络提取到更加稳定和准确的特征，进而提高行人匹配的识别准确率。率。率。
【技术实现步骤摘要】
行人匹配方法、装置、电子设备及存储介质
[0001]本专利技术涉及图像识别
，具体涉及一种行人匹配方法、装置、电子设备及存储介质。
技术介绍
[0002]行人重识别技术作为图像处理领域一项重要的技术，被广泛应用于智慧安防、视频监控、行人跟踪等应用场景，行人重识别主要是利用行人匹配来进行，将不同图像中的目标行人进行匹配，判断是否为同一个目标行人，当前的行人匹配技术，通过提取两张图像中目标人员不容易变化的行人属性特征来进行相似度比对，若相似度大于预设值，则确定两张图像中的目标人员匹配成功，否则失败。然而，实际上更多的是，同一目标人物往往在不同的图像中可能出现遮挡、姿态变化和外表特征等变化，这种变化会影响特征提取的准确性，导致现有行人重识别的行人匹配准确率较低。
技术实现思路
[0003]本专利技术实施例提供一种行人匹配方法，旨在解决现有行人重识别的行人匹配准确率较低的问题。通过在目标行人的待匹配图像中提取目标行人的辅助图像，将辅助图像与待匹配图像进行通道叠加，得到叠加图像来进行特征提取，由于叠加图像中的包含有额外的辅助信息，使得特征提取网络能够通过这种辅助信息来辅助特征提取，使得特征提取网络提取到更加稳定和准确的特征，进而提高行人匹配的识别准确率。
[0004]第一方面，本专利技术的主要目的是提供一种行人匹配方法，包括：
[0005]获取目标行人的待匹配图像，并根据所述待匹配图像确定所述目标行人的辅助图像；
[0006]将所述辅助图像与所述待匹配图像进行通道叠加，得到所述目标行人的叠加图像；
[0007]通过训练好的特征提取网络对所述叠加图像进行特征提取，得到目标特征，并根据所述目标特征对所述目标行人进行匹配。
[0008]可选的，在所述获取目标行人的待匹配图像，并根据所述待匹配图像确定所述目标行人的辅助图像之前，所述方法还包括：
[0009]获取原始图像，所述原始图像包括所述目标行人；
[0010]对所述原始图像进行行人目标检测，得到所述目标行人的待匹配图像。
[0011]可选的，所述辅助图像包括所述目标行人的掩膜图像以及述目标行人的关键点热图序列，所述根据所述待匹配图像确定所述目标行人的辅助图像，包括：
[0012]对所述待匹配图像进行掩膜处理，得到所述目标行人的掩膜图像；
[0013]对所述待匹配图像进行关键点检测，根据检测到的关键点确定所述目标行人的关键点热图序列，所述关键点热图序列中包括与所述检测到的关键点一一对应的关键点热图。
[0014]可选的，所述对所述待匹配图像进行掩膜处理，得到所述目标行人的掩膜图像，包括：
[0015]对所述待匹配图像进行实例分割，得到所述目标行人的分割实例；
[0016]对所述目标行人的分割实例进行二值化，得到所述目标行人的掩膜图像。
[0017]可选的，所述对所述待匹配图像进行关键点检测，根据检测到的关键点确定所述目标行人的关键点热图序列，包括：
[0018]对所述目标行人进行关键点检测，得到所述目标行人的关键点；
[0019]通过预设的高斯核函数对各个所述关键点进行处理，得到所述关键点热图；
[0020]将所述关键点热图按所述关键点的预设顺序进行排列，得到所述目标行人的关键点热图序列。
[0021]可选的，所述将所述辅助图像与所述待匹配图像进行通道叠加，得到所述目标行人的叠加图像，包括：
[0022]将所述目标行人图像进行归一化，得到所述目标行人的归一化图像；
[0023]将所述掩膜图像、所述归一化图像以及所述关键点热图序列进行通道叠加，得到所述目标行人的叠加图像。
[0024]可选的，在所述通过训练好的特征提取网络对所述叠加图像进行特征提取，得到目标特征之前，所述方法还包括：
[0025]获取数据集以及待训练特征提取网络，所述数据集中包括样本图像对以及所述样本图像对的匹配关系标签，样本图像对中的样本图像为根据样本掩膜图像、样本归一化图像以及样本关键点热图序列进行通道叠加得到；
[0026]将所述样本图像对输入到所述待训练特征提取网络中进行特征提取，得到样本特征对；
[0027]计算所述样本特征对之间的特征相似度，并计算所述特征相似度与所述匹配关系标签之间的误差损失；
[0028]根据所述误差损失对所述待训练特征提取网络进行参数调整，并进行迭代训练；
[0029]在所述待训练特征提取网络完成迭代训练后，得到训练好的特征提取网络。
[0030]第二方面，本专利技术实施例提供了一种行人匹配装置，包括：
[0031]第一获取模块，用于获取目标行人的待匹配图像，并根据所述待匹配图像确定所述目标行人的辅助图像；
[0032]叠加模块，用于将所述辅助图像与所述待匹配图像进行通道叠加，得到所述目标行人的叠加图像；
[0033]匹配模块，用于通过训练好的特征提取网络对所述叠加图像进行特征提取，得到目标特征，并根据所述目标特征对所述目标行人进行匹配。
[0034]第三方面，本专利技术实施例提供了一种电子设备，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上述的行人匹配方法的步骤。
[0035]第四方面，本专利技术实施例提供了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上述的行人匹配方法的步骤。
[0036]本专利技术提供的行人匹配方法，获取目标行人的待匹配图像，并根据所述待匹配图像确定所述目标行人的辅助图像；将所述辅助图像与所述待匹配图像进行通道叠加，得到所述目标行人的叠加图像；通过训练好的特征提取网络对所述叠加图像进行特征提取，得到目标特征，并根据所述目标特征对所述目标行人进行匹配。通过在目标行人的待匹配图像中提取目标行人的辅助图像，将辅助图像与待匹配图像进行通道叠加，得到叠加图像来进行特征提取，由于叠加图像中的包含有额外的辅助信息，使得特征提取网络能够通过这种辅助信息来辅助特征提取，使得特征提取网络提取到更加稳定和准确的特征，进而提高行人匹配的识别准确率。
附图说明
[0037]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。
[0038]图1为本专利技术实施例提供的行人匹配方法的流程示意图；
[0039]图2为本专利技术实施例提供的行人匹配装置的结构框图；
[0040]图3为本专利技术实施例提供的电子设备的结构框图。
[0041]本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0042]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种行人匹配方法，其特征在于，包括：获取目标行人的待匹配图像，并根据所述待匹配图像确定所述目标行人的辅助图像；将所述辅助图像与所述待匹配图像进行通道叠加，得到所述目标行人的叠加图像；通过训练好的特征提取网络对所述叠加图像进行特征提取，得到目标特征，并根据所述目标特征对所述目标行人进行匹配。2.根据权利要求1所述的行人匹配方法，其特征在于，在所述获取目标行人的待匹配图像，并根据所述待匹配图像确定所述目标行人的辅助图像之前，所述方法还包括：获取原始图像，所述原始图像包括所述目标行人；对所述原始图像进行行人目标检测，得到所述目标行人的待匹配图像。3.根据权利要求1所述的行人匹配方法，其特征在于，所述辅助图像包括所述目标行人的掩膜图像以及述目标行人的关键点热图序列，所述根据所述待匹配图像确定所述目标行人的辅助图像，包括：对所述待匹配图像进行掩膜处理，得到所述目标行人的掩膜图像；对所述待匹配图像进行关键点检测，根据检测到的关键点确定所述目标行人的关键点热图序列，所述关键点热图序列中包括与所述检测到的关键点一一对应的关键点热图。4.根据权利要求3所述的行人匹配方法，其特征在于，所述对所述待匹配图像进行掩膜处理，得到所述目标行人的掩膜图像，包括：对所述待匹配图像进行实例分割，得到所述目标行人的分割实例；对所述目标行人的分割实例进行二值化，得到所述目标行人的掩膜图像。5.根据权利要求3所述的行人匹配方法，其特征在于，所述对所述待匹配图像进行关键点检测，根据检测到的关键点确定所述目标行人的关键点热图序列，包括：对所述目标行人进行关键点检测，得到所述目标行人的关键点；通过预设的高斯核函数对各个所述关键点进行处理，得到所述关键点热图；将所述关键点热图按所述关键点的预设顺序进行排列，得到所述目标行人的关键点热图序列。6.根据权利要求3所述的行人匹配方法，其特征在于，所述将所述辅...
【专利技术属性】
技术研发人员：聂于杰，黄哲，肖嵘，王孝宇，
申请(专利权)人：深圳云天励飞技术股份有限公司，
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。