[发明专利]一种基于时空上下文的行人重识别与追踪方法

权利要求书

1.一种基于时空上下文的行人重识别与追踪方法，其特征在于，包括：

训练Mask RCNN网络；

利用训练后的Mask RCNN网络处理原始图片集，得到训练集、测试集和查找集；

利用所述训练集训练卷积神经网络；

利用训练后的卷积神经网络对所述测试集和所述查找集进行处理，从所述测试集中获取第一预设数量的图片，以对目标行人进行重识别，之后对所述目标行人进行追踪；

其中，所述对所述目标行人进行追踪，包括：

根据所述第一预设数量的图片得到N个第二图片序列；

根据训练后的Mask RCNN网络处理所述N个第二图片序列，以对所述目标行人进行跟踪；

所述根据训练后的Mask RCNN网络处理所述N个第二图片序列，以对所述目标行人进行跟踪，包括：

获取所述第二图片序列中的第M-1帧图片至第M帧图片；

利用训练后的Mask RCNN网络提取所述第M-1帧图片至所述第M帧图片中所有行人及所述行人的位置信息；

计算所有所述行人与所述目标行人的欧式距离，确定与所述目标行人的欧式距离最小的所述行人，以得到第一待跟踪行人；

根据所述第M-1帧图片至所述第M帧图片中的第一待跟踪行人的位置信息，获取所述第二图片序列中的第M+1帧图片的预测区域；

利用训练后的Mask RCNN网络对所述预测区域进行检测，完成对所述目标行人的跟踪。

2.根据权利要求1所述的重识别与追踪方法，其特征在于，根据所述第一预设数量的图片得到N个第二图片序列，包括：

根据图片属性和时间顺序，将所述第一预设数量的图片划分为N个第一图片序列；

对所述第一图片序列进行补全处理，以得到第二图片序列，其中，所述第二图片序列的数量为N个。

3.根据权利要求1所述的重识别与追踪方法，其特征在于，利用训练后的Mask RCNN网络对所述预测区域进行检测，完成对所述目标行人的跟踪，包括：

利用训练后的Mask RCNN网络对所述预测区域进行检测，获取所述预测区域中所有第二待跟踪行人；

判断所述预测区域中第二待跟踪行人的人数，若所述第二待跟踪行人的人数为一人，则将所述第二待跟踪行人确定为所述目标行人，若所述第二待跟踪行人的人数为多人，则计算所有所述第二待跟踪行人与所述目标行人的欧式距离，将与所述目标行人的欧式距离最小的所述第二待跟踪行人确定为所述目标行人，完成对所述目标行人的跟踪。

4.根据权利要求1所述的重识别与追踪方法，其特征在于，利用训练后的Mask RCNN网络处理原始图片集，包括：

获取原始图片集；

利用训练后的Mask RCNN网络的实例分割层提取所述原始图片集中行人的轮廓信息；

根据所述轮廓信息对所述原始图片集进行填黑处理。

5.根据权利要求1所述的重识别与追踪方法，其特征在于，利用所述训练集训练卷积神经网络，包括：

从所述训练集中选取第二预设数量的图片；

对所述第二预设数量的图片进行镜像翻转处理和/或裁剪处理和/或拉伸处理和/或遮挡处理，得到预设图片子集；

利用所述预设图片子集训练卷积神经网络。

6.根据权利要求1所述的重识别与追踪方法，其特征在于，利用训练后的卷积神经网络对所述测试集和所述查找集进行处理，从所述测试集中获取第一预设数量的图片，包括：

利用训练后的卷积神经网络的全局平均池化层，提取所述测试集的行人特征和所述查找集的行人特征；

计算所述测试集的行人特征和所述查找集的行人特征之间的欧式距离，以从所述测试集中获取第一预设数量的图片。