一种行人重识别的方法及系统技术方案

本发明专利技术公开了一种行人重识别的方法及系统，属于智能监控技术领域，该重识别方法具体步骤如下：(1)收集来自多组监控摄像头的影像数据；(2)对各组影像数据进行数据预处理；(3)依据处理后的影像数据提取相关行人图像；(4)对获取的各组行人图像进行智能匹配；(5)输出匹配结果并对匹配模型进行性能评估；(6)存储数据并对监控平台进行性能优化；本发明专利技术能够准确获取行人图像数据，提高检测效率，同时减少后续数据处理的工作量，减少等待时间，避免模型发生漏检情况，能够确保进行充分的跨相机匹配，同时有效地提高行人匹配精确性，并且降低操作难度，方便工作人员使用，节省工作人员时间。间。间。

【技术实现步骤摘要】
一种行人重识别的方法及系统


[0001]本专利技术涉及智能监控
，尤其涉及一种行人重识别的方法及系统。

技术介绍

[0002]随着城市的发展和监控技术的普及，监控摄像头的数量不断增加，因此行人重识别技术的需求也日益增长。行人重识别的目标是识别多个监控摄像头中的行人，使得在不同的监控场景下能够实时追踪和识别同一行人。然而，由于不同监控场景下光照、视角、姿态等因素的变化，行人重识别面临许多挑战。传统的行人重识别方法主要依赖手工设计的特征提取器，如SIFT、HOG等，然后使用传统机器学习方法进行行人匹配。但这些方法在复杂场景下的鲁棒性较差，难以满足实际应用的需求。近年来，深度学习方法的兴起为行人重识别带来了显著的进展，通过使用深度模型直接学习图像特征表示，取得了更好的性能。随着深度学习技术的不断发展，行人重识别方法不断创新，为行人重识别的应用提供了更多可能性。
[0003]经检索，中国专利号CN113255492A公开了行人重识别的方法及系统，该专利技术虽然进一步提高了行人重识别的匹配准确度，但是无法准确获取行人图像数据，降低检测效率，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，该重识别方法具体步骤如下：(1)收集来自多组监控摄像头的影像数据；(2)对各组影像数据进行数据预处理；(3)依据处理后的影像数据提取相关行人图像；(4)对获取的各组行人图像进行智能匹配；(5)输出匹配结果并对匹配模型进行性能评估；(6)存储数据并对监控平台进行性能优化。2.根据权利要求1所述的一种行人重识别的方法，其特征在于，步骤(2)所述行人图像数据预处理具体步骤如下：步骤一：将采集到的影像信息进行逐帧提取以获取多组图片数据，之后依据各组图片数据的显示比例对相应图片进行分块处理，再对分块后的图像数据通过傅里叶变换去除其中高频成分；步骤二：通过高斯平滑滤波器对图片数据做平滑处理，将处理后的图像进行非线性变换，对非线性变换得到的结果之和进行加权处理以获取最终图片数据；步骤三：选取满足条件的窗口在各组图片数据中移动，每移动一次计算此时窗口下的灰度共生矩阵，并从灰度共生矩阵中计算相关图像数据中的纹理特征，同时记录各像素点对应纹理特征。3.根据权利要求2所述的一种行人重识别的方法，其特征在于，步骤(2)所述纹理特征具体计算公式如下：(1)(2)(3)(4)式中，P(i,j)代表图像像素点的值；L代表灰度级的数目；式中，P(i,j)代表图像像素点的值；L代表灰度级的数目；4.根据权利要求2所述的一种行人重识别的方法，其特征在于，步骤(3)所述行人图像提取具体步骤如下：步骤1：通过图像金字塔对图片数据进行尺度归一化处理，并提取各组图片数据的特
征，之后通过双向特征金字塔进行特征融合以获取目标检测框；步骤2：依据目标检测框对各图片数据进行扩大化剪裁以获取目标图像，之后获取窗口滑动获取的纹理特征，当纹理特征满足预设条件时，则判断当前像素区域为目标行人，并将其标记为1，若不满足，则判断当前像素区域为背景区域，并依据判断结果对目标行人进行背景分离以提取行人图像；步骤3：计算行人图像的形状因子，并选取形状因子趋向0的行人图像，并判断该行人图像存在粘连区域，同时估算各粘连区域行人数量，之后对粘连区域进行凸包区域填充，再依据凸包面积以及粘连区域面积获取粘连区域凸缺陷以获取该凸缺陷内的凹点信息；步骤4：对于两个行人粘连，直接绘制经过两个凹点的直线分割粘连人体；对于多组个体的粘连，将检测到的凹点随机连线，且每个凹点只能连一次，每次连接后计算连通区域的个数和每个连通区域的面积，当每个连通区域的面积都小于最大面积时，则判断匹配完成，并依据匹配结果对粘连行人进行分割；步骤5：通过采集网络多次ShuffleBlock以得到各组行人图像的全局姿态特征，再由反卷积操作使全局姿态特征回归至关键点特征图上，再对关键点特征图进行解码处理，并收集解码后生成的人体二维关键点；步骤6：通过DeepsPose模型对行人图像进行处理并获取多组节点数据，之后依据各组节点数据生成相对应的热力图，并将热力图中概率值最大的位置确定为人体关键点位置，同时生成该关键点位置坐标信息；步骤7：获取两组人体关键点数据，并进行对比，同时筛除其中存在异常的关键点信息。5.根据权利要求4所述的一种行人重识别的方法，其特征在于，步骤(4)所述智能匹配具体步骤如下：步骤Ⅰ：获取数据库中存储的过往行人图像，同时将获取的各组数据整合归纳成验证数据集，之后将数据集划分为训练集和测试集，初始化卷积神经网络的权重和参数，之后将训练集导入该卷积神经网络中并计算对应输出，再分别衡量模型的预测结果与真实标签之间的损失值；步骤Ⅱ：若损失值未满足预设条件，则重新训练该卷积神经网络，同时更新该卷积神经网络参数，当损失值满足预设条件时，使用测试集对训练好的卷积神经网络进行评估，计算卷积神经网络在测试集上的性能指标，并输出匹配...

【专利技术属性】
技术研发人员：关迪元，霍焱，
申请(专利权)人：沈阳大学，
类型：发明
国别省市：