【技术实现步骤摘要】
本专利技术涉及计算机视觉领域，特别涉及一种行人重识别方法、装置、设备及存储介质。
技术介绍
1、在视频监控中，由于相机分辨率和拍摄角度的缘故，通常无法得到质量非常高的人脸图片，当人脸识别失效的情况下，行人重识别(person re-identification，personreid)就成为了一个非常重要的替代品技术。通过对于行人进行唯一的身份识别，实现对于不同行人的追踪和管理，这对于提高监控系统的智能化和安全性非常重要。但多摄像头之间视角和光照可能存在差异，多通道摄像头之间的信息交互对实时性要求较高，使得算法处理难度较大，处理速率较慢。
技术实现思路
1、有鉴于此，本专利技术的目的在于提供一种行人重识别方法、装置、设备及存储介质，能够通过预先提取单通道下第一视频流中的图像特征，以对后续跨镜头采集的第二视频流进行行人重识别，简化多通道间信息交互的过程，提高行人重识别的效率。其具体方案如下：
2、第一方面，本申请提供了一种行人重识别方法，包括：
3、从第一视频流中获取若干行人查询图像以及对应的查询图像特征；
4、利用目标检测模型对第二视频流中的每一视频帧进行行人检测，以在所述每一视频帧上标注行人检测框；所述第二视频流和所述第一视频流为跨镜头采集的视频流；
5、利用行人重识别模型对所述每一视频帧上的各所述行人检测框中的行人底库图像进行识别，以提取各所述行人底库图像分别对应的底库图像特征；
6、对各所述底库图像特征与各所述查询图像
7、可选的，所述利用目标检测模型对第二视频流中的每一视频帧进行行人检测之前，还包括：
8、获取目标场景下的若干待标注行人图像，并通过检测框的方式对所述若干待标注行人图像中的行人对象进行标注，以得到目标检测训练集；
9、利用所述目标检测训练集对预训练目标检测模型进行训练，以得到训练好的所述目标检测模型。
10、可选的，所述利用行人重识别模型对所述每一视频帧上的各所述行人检测框中的行人底库图像进行识别之前，还包括：
11、基于基线模型和特征提取模型确定初始行人重识别模型；所述特征提取模型为基于添加自适应实例归一化模块的全尺度网络确定的模型；
12、获取market1501数据集以及其他公开数据集，基于所述market1501数据集的数据格式对所述其他公开数据集中的数据进行格式转换，以得到统一数据格式的数据集；
13、基于所述market1501数据集和所述统一数据格式的数据集确定融合数据集，并利用所述融合数据集对所述初始行人重识别模型进行训练，以得到训练好的所述行人重识别模型。
14、可选的，所述从第一视频流中获取若干行人查询图像以及对应的查询图像特征，包括：
15、利用所述目标检测模型对所述第一视频流进行行人检测，以在所述第一视频流上标注待截取检测框，并对所述待截取检测框中的行人图像进行截取，以得到所述若干行人查询图像；
16、将所述若干行人查询图像中包含相同行人对象的目标行人查询图像分为一组，以得到若干组查询图像，并将各组所述查询图像分别保存至具有不同文件夹名称的文件夹中；
17、利用所述行人重识别模型对各所述文件夹中保存的所述行人查询图像进行识别，以提取各所述行人查询图像分别对应的查询图像特征。
18、可选的，所述对各所述底库图像特征与各所述查询图像特征分别进行相似度匹配，包括：
19、计算目标底库图像特征与各所述查询图像特征之间的余弦相似度；所述目标底库图像特征为各所述底库图像特征中的任意一个特征；
20、从各所述余弦相似度中确定最大余弦相似度，并基于所述最大余弦相似度与预设相似度阈值的对比结果确定与所述目标底库图像特征对应的目标匹配结果。
21、可选的，所述基于各所述底库图像特征分别对应的第一匹配结果对所述每一视频帧上的与各所述底库图像特征分别对应的行人检测框进行标注，包括：
22、若所述目标匹配结果表征所述最大余弦相似度小于所述预设相似度阈值，则基于默认信息对所述每一视频帧上的与所述目标底库图像特征对应的目标行人检测框进行标注；
23、若所述目标匹配结果表征所述最大余弦相似度大于或等于所述预设相似度阈值，则从各所述查询图像特征中确定所述最大余弦相似度对应的目标查询图像特征，并从各所述文件夹中确定所述目标查询图像特征对应的目标文件夹，基于所述目标文件夹的文件夹名称对所述每一视频帧上的与所述目标底库图像特征对应的目标行人检测框进行标注。
24、可选的，所述在所述每一视频帧上标注行人检测框之后，还包括：
25、从所述第二视频流中确定当前视频帧中的第一行人检测框以及上一视频帧中的第二行人检测框；
26、利用跟踪算法对各所述第一行人检测框与各第二行人检测框分别进行最近邻匹配，以得到与各所述第一行人检测框分别对应的第二匹配结果；
27、利用各所述第二行人检测框分别对应的目标标识并基于各所述第二匹配结果对相应的所述第一行人检测框进行标识标注。
28、第二方面，本申请提供了一种行人重识别装置，包括：
29、查询图像获取模块，用于从第一视频流中获取若干行人查询图像以及对应的查询图像特征；
30、第一标注模块，用于利用目标检测模型对第二视频流中的每一视频帧进行行人检测，以在所述每一视频帧上标注行人检测框；所述第二视频流和所述第一视频流为跨镜头采集的视频流；
31、特征提取模块，用于利用行人重识别模型对所述每一视频帧上的各所述行人检测框中的行人底库图像进行识别，以提取各所述行人底库图像分别对应的底库图像特征；
32、第二标注模块，用于对各所述底库图像特征与各所述查询图像特征分别进行相似度匹配，并基于各所述底库图像特征分别对应的匹配结果对所述每一视频帧上的与各所述底库图像特征分别对应的行人检测框进行标注。
33、第三方面，本申请提供了一种电子设备，包括：
34、存储器，用于保存计算机程序；
35、处理器，用于执行所述计算机程序以实现前述的行人重识别方法。
36、第四方面，本申请提供了一种计算机可读存储介质，用于保存计算机程序，所述计算机程序被处理器执行时实现前述的行人重识别方法。
37、本申请中，从第一视频流中获取若干行人查询图像以及对应的查询图像特征；利用目标检测模型对第二视频流中的每一视频帧进行行人检测，以在所述每一视频帧上标注行人检测框；所述第二视频流和所述第一视频流为跨镜头采集的视频流；利用行人重识别模型对所述每一视频帧上的各所述行人检测框中的行人底库图像进行识别，以提取各所述行人底库图像分别对应的底库图像特征；对各所述底库图像特征与各所述查询本文档来自技高网...
【技术保护点】
1.一种行人重识别方法，其特征在于，包括：
2.根据权利要求1所述的行人重识别方法，其特征在于，所述利用目标检测模型对第二视频流中的每一视频帧进行行人检测之前，还包括：
3.根据权利要求1所述的行人重识别方法，其特征在于，所述利用行人重识别模型对所述每一视频帧上的各所述行人检测框中的行人底库图像进行识别之前，还包括：
4.根据权利要求1所述的行人重识别方法，其特征在于，所述从第一视频流中获取若干行人查询图像以及对应的查询图像特征，包括：
5.根据权利要求4所述的行人重识别方法，其特征在于，所述对各所述底库图像特征与各所述查询图像特征分别进行相似度匹配，包括：
6.根据权利要求5所述的行人重识别方法，其特征在于，所述基于各所述底库图像特征分别对应的第一匹配结果对所述每一视频帧上的与各所述底库图像特征分别对应的行人检测框进行标注，包括：
7.根据权利要求1至6任一项所述的行人重识别方法，其特征在于，所述在所述每一视频帧上标注行人检测框之后，还包括：
8.一种行人重识别装置，其特征在于，包括：
<...【技术特征摘要】
1.一种行人重识别方法，其特征在于，包括：
2.根据权利要求1所述的行人重识别方法，其特征在于，所述利用目标检测模型对第二视频流中的每一视频帧进行行人检测之前，还包括：
3.根据权利要求1所述的行人重识别方法，其特征在于，所述利用行人重识别模型对所述每一视频帧上的各所述行人检测框中的行人底库图像进行识别之前，还包括：
4.根据权利要求1所述的行人重识别方法，其特征在于，所述从第一视频流中获取若干行人查询图像以及对应的查询图像特征，包括：
5.根据权利要求4所述的行人重识别方法，其特征在于，所述对各所述底库图像特征与各所述查询图像特征分别进行...
【专利技术属性】
技术研发人员：孙祺杰，周亮基，黄岗，周圣强，
申请(专利权)人：苏州万店掌网络科技有限公司，
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。