【技术实现步骤摘要】
行人识别方法、装置、电子设备
[0001]本申请涉及计算机视觉
,特别是涉及行人识别方法
、
装置
、
电子设备及计算机可读存储介质
。
技术介绍
[0002]行人识别
(Person re
‑
identification)
,是利用计算机视觉技术判断视频图像中是否存在特定行人的技术
。
例如,在非配合式考勤场景中,对于视频图像中检测到的行人,对其进行识别,检测目标行人
。
[0003]近年来,深度学习技术快速发展,深度学习技术在图像分类领域中得到了广泛的应用
。
例如,现有技术中出现了很多基于深度学习进行行人识别的方案
。
现有技术中的行人识别方案主要包括以下步骤:将检测到的行人图像输入到深度学习模型提取特征图;计算提取到的特征图与行人底库特征的相似度;根据计算得到的相似度确定行人识别结果
。
现有技术中的行人识别方法,对出现更换衣服等情况的行人,识别准确率较低
。
[0004]可见,现有技术中的行人识别方法还需要改进
。
技术实现思路
[0005]本申请实施例提供一种行人识别方法及装置,有助于提升行人识别的准确率
。
[0006]第一方面,本申请实施例提供了一种行人识别方法,包括:
[0007]获取目标图像中包括的行人的轮廓信息;
[0008]根据所述轮廓信息和所述目标图像,生成掩码图 ...
【技术保护点】
【技术特征摘要】
1.
一种行人识别方法,其特征在于,包括:获取目标图像中包括的行人的轮廓信息;根据所述轮廓信息和所述目标图像,生成掩码图像,其中,所述掩码图像中包括所述行人在所述目标图像中的影像,且所述行人在所述掩码图像中除人体头部之外的影像区域被掩码处理;采用第一特征处理模块对所述掩码图像进行头部特征提取,以及,采用第二特征处理模块对所述掩码图像进行人体形态特征提取,之后,对所述进行头部特征提取和所述进行人体形态特征提取分别得到的特征进行融合,得到融合特征;基于所述融合特征对所述行人进行识别
。2.
根据权利要求1所述的方法,其特征在于,所述根据所述轮廓信息和所述目标图像,生成掩码图像,包括:基于所述轮廓信息,确定所述目标图像中包括的一位所述行人所处的人形图像区域;确定所述人形图像区域中的人体头部子区域;根据所述目标图像中所述人体头部子区域的图像内容,以及,所述人形图像区域的形态学信息,生成掩码图像;其中,所述掩码图像中包括的人形图像区域的形态学信息,与所述目标图像中的所述人形图像区域的所述形态学信息一致;并且,所述掩码图像中所述人形图像区域之外的图像像素值为第一颜色值,所述掩码图像中所述人形图像区域内且在所述人体头部子区域之外的图像像素值为第二颜色值,所述掩码图像中所述人形图像区域内的人体头部子区域的图像内容与所述目标图像内所述人体头部子区域的图像内容一致
。3.
根据权利要求1所述的方法,其特征在于,所述采用第一特征处理模块对所述掩码图像进行头部特征提取,以及,采用第二特征处理模块对所述掩码图像进行人体形态特征提取,之后,对所述进行头部特征提取和所述进行人体形态特征提取分别得到的特征进行融合,得到融合特征,包括:通过预先训练的行人识别模型中第一特征处理模块,对所述掩码图像进行头部特征提取,得到所述目标图像的第一特征,以及,通过所述行人识别模型中第二特征处理模块,对所述掩码图像进行人体形态特征提取,得到所述目标图像的第二特征;其中,所述第一特征处理模块和所述第二特征处理模块基于不同神经网络结构搭建;对所述第一特征和所述第二特征进行融合,得到融合特征
。4.
根据权利要求3所述的方法,其特征在于,所述通过预先训练的行人识别模型中第一特征处理模块,对所述掩码图像进行头部特征提取,得到所述目标图像的第一特征,以及,通过所述行人识别模型中第二特征处理模块,对所述掩码图像进行人体形态特征提取,得到所述目标图像的第二特征之前,还包括:基于若干带有类别标签的掩码图像,训练所述行人识别模型;其中,所述掩码图像中包括人形图像,所述人形图像的人体头部图像为彩色图像,所述掩码图像中所述人形图像的除所述人体头部图像区域之外的图像像素值为第二颜色值,所述掩码图像中所述人形图像之外的图像区域的图像像素值为第一颜色值
。5.
根据权利要求4所述的方法,其特征在于,所述基于若干带有类别标签的掩码图像,训练所述行人识别模型,包括:
对于每个所述掩码图像,分别执行以下特征提取及分类操作:通过行人识别模型中第一特征处理模块,对所述掩码图像进行头部特征提取,得到所述掩码图像的第一特征,以及,通过所述行人识别模型中第二特征处理模块,对所述掩码图像...
【专利技术属性】
技术研发人员:庞宏伟,姚栖,彭菲,黄磊,
申请(专利权)人:汉王科技股份有限公司,
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。