[发明专利]一种基于聚类算法的行人重识别方法和装置

权利要求书

1.一种基于聚类算法的行人重识别方法，其特征在于，该行人重识别方法包括：

S1：对不同场景下的每一个行人的行人特征进行提取；

S2：根据场景的数量以及每一个场景中行人的数量建立一个二维矩阵；

S3：根据建立的二维矩阵，获得不同场景下行人特征的二维距离矩阵；

S4：对二维距离矩阵进行密度聚类，输出距离小于预设阈值的特征集合；其中输出的每一个特征集合为一个行人在不同场景下的行人特征；

步骤S3的具体过程包括：

根据建立的二维矩阵，将行人特征放入矩阵中成为二维矩阵的元素；

计算每个元素中两个行人特征的距离，并将计算结果存入该二维矩阵获得二维距离矩阵。

2.根据权利要求1所述的基于聚类算法的行人重识别方法，其特征在于，在步骤S4之后还包括：

将输出的特征集合标注在对应的场景中，获得同一行人在不同场景中的位置。

3.根据权利要求1所述的基于聚类算法的行人重识别方法，其特征在于，步骤S1中提取的行人特征包括行人的坐标、性别、肤色、年龄、发型、是否佩戴首饰、手否佩戴包及其种类、是否佩戴帽子及其种类、是否佩戴眼镜、是否携带雨伞、是否佩戴面具中的一种或多种。

4.根据权利要求1所述的基于聚类算法的行人重识别方法，其特征在于，将两个同一场景中的行人特征之间的距离默认为无限大。

5.根据权利要求1所述的基于聚类算法的行人重识别方法，其特征在于，步骤S4中对二维距离矩阵进行密度聚类的方法是：采用具有噪声的基于密度的聚类方法DBSCAN密度聚类进行聚类。

6.一种基于聚类算法的行人重识别装置，其特征在于，该行人重识别装置包括：特征提取模块、矩阵建立模块、距离计算模块和聚类输出模块；

特征提取模块：用于对不同场景下的每一个行人的行人特征进行提取；

距离计算模块：用于根据场景的数量以及每一个场景中行人的数量建立一个二维矩阵；

距离计算模块：用于根据建立的二维矩阵，获得不同场景下行人特征的二维距离矩阵；

聚类输出模块：用于对二维距离矩阵进行密度聚类，输出距离小于预设阈值的特征集合；输出的每一个特征集合为一个行人在不同场景下的行人特征；

距离计算模块包括构建元素单元和元素计算单元；

构建元素单元，用于根据建立的二维矩阵，将行人特征放入矩阵中成为二维矩阵的元素；

元素计算单元，用于计算每个元素中两个行人特征的距离，并将计算结果存入该二维矩阵获得二维距离矩阵。

7.根据权利要求6所述的基于聚类算法的行人重识别装置，其特征在于，该行人重识别装置还包括：位置标注模块：用于将输出的特征集合标注在对应的场景中，获得同一行人在不同场景中的位置。

8.根据权利要求6所述的基于聚类算法的行人重识别装置，其特征在于，特征提取模块提取的行人特征包括行人的坐标、性别、肤色、年龄、发型、是否佩戴首饰、手否佩戴包及其种类、是否佩戴帽子及其种类、是否佩戴眼镜、是否携带雨伞、是否佩戴面具中的一种或多种。

9.根据权利要求6所述的基于聚类算法的行人重识别装置，其特征在于，将两个同一场景中的行人特征之间的距离默认为无限大。

10.根据权利要求6所述的基于聚类算法的行人重识别装置，其特征在于，聚类输出模块对二维距离矩阵进行密度聚类的方法是：采用具有噪声的基于密度的聚类方法DBSCAN密度聚类进行聚类。