[发明专利]一种基于视觉特征与时空约束的行人再识别方法及系统

说明书

本发明公开了一种基于视觉特征与时空约束的行人再识别方法，包括以下步骤：利用训练好的图像分类器计算检索图像与行人图像数据集的第一视觉相似度；建立时空约束模型计算检索图像与行人图像数据集的时空概率；将所述第一视觉相似度以及所述时空概率进行融合，得到融合模型；基于所述融合模型计算所述检索图像与所述行人图像数据集的第二视觉相似度，并基于所述第二视觉相似度进行排序以得到行人识别结果。同时，还提出一种行人再识别系统，包括：视觉计算模块，时空计算模块，融合模块以及行人识别模块。本发明的有益效果是：通过结合所述第一视觉相似度以及所述时空概率，融合模型在识别行人图像的精确度上比单一的视觉模型有了极大的提升。

技术领域

本发明涉及图像识别技术领域，具体的说，是一种基于视觉特征与时空约束的行人再识别方法及系统。

背景技术

近年来，视频监控在公共安全领域中发挥了重大的作用。在监控视频中，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。因此，当人脸识别失效的情况下，行人重识别技术在视频监控中发挥了非常关键的作用。

但是，目前的行人再识别方法通常基于图像本身，提取视觉特征，训练图像分类器，对目标行人进行匹配。这种训练方法需要大量的有标签的图像数据，不仅获取这样的训练数据非常费时费力，而且这种图像分类器在实际应用中经常表现不佳。

发明内容

本发明所要解决的技术问题是提供一种基于视觉特征与时空约束的行人再识别方法及系统，以提高行人再识别的效率以及准确度。

本发明解决上述技术问题的技术方案如下：

一种基于视觉特征与时空约束的行人再识别方法，包括以下步骤：

利用训练好的图像分类器计算检索图像与行人图像数据集的第一视觉相似度；

建立时空约束模型计算所述检索图像与所述行人图像数据集的时空概率；

将所述第一视觉相似度以及所述时空概率进行融合，得到融合模型；

基于所述融合模型计算所述检索图像与所述行人图像数据集的第二视觉相似度，并基于所述第二视觉相似度进行排序以得到行人识别结果。

本发明的有益效果是：通过结合所述第一视觉相似度以及所述时空概率，即行人的视觉特征与摄像机网络中拍到该行人的时空约束结合，融合模型在识别行人图像的精确度上比单一的视觉模型有了极大的提升。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步地，所述基于所述第二视觉相似度进行排序以得到行人识别结果，之后还包括：

基于所述行人识别结果进行学习排序；

将学习排序结果返还至所述图像分类器，基于所述学习排序结果对所述图像分类器进行训练以得到优化后的图像分类器；

将所述学习排序结果返还至所述时空约束模型，基于所述学习排序结果对所述时空约束模型进行训练以得到优化后的时空约束模型；

基于所述优化后的图像分类器以及优化后的时空约束模型对所述融合模型进行优化，得到优化后的融合模型。

采用上述进一步方案的有益效果是：通过将所述融合模型的排序结果发送至所述图像分类器以及所述时空约束模型进行重新学习，可以对原来的图像分类器以及时空约束模型进行优化，进而优化融合模型，使得融合模型能够对行人图像进行更加精确的识别。

进一步地，所述基于所述行人识别结果进行学习排序，包括：

利用List-wise方法对所述行人识别结果进行排序。