[发明专利]一种基于深度学习的行人重识别方法及系统

说明书

本发明公开了一种基于深度学习的行人重识别方法及系统，该方法包括：获取视频画面中存在的全部行人目标；指定某一视频画面中的一行人目标作为指定行人目标；利用预设算法，提取所述指定行人目标的特征向量组以及所述全部行人目标的特征向量组；将所述行人目标的特征向量组与所述指定行人目标的特征向量组进行匹配，计算匹配度值；判断所述匹配度值是否大于阈值；如果所述匹配度值大于阈值，则所述行人目标属于指定行人目标。该方法利用深度学习进行行人重识别，根据权重平均值与阈值的大小判断来识别行人目标，能够对指定行人目标进行准确识别，提高图像的识别率。

技术领域

本发明涉及计算机识别技术领域，具体是一种基于深度学习的行人重识别方法及系统。

背景技术

目前，在很多公共场所中配置多个监控摄像头，用于拍摄途经监控区域的行人，监控摄像头可以生成包含行人的视频画面，视频画面中可能包含一个或者很多个行人目标。

行人重识别指的是从多个监控摄像头拍摄的全部视频画面中，识别其中的一个或者很多个行人目标是否属于指定行人目标，具体来说是从一个监控摄像头拍摄的一帧视频画面中指定某一行人目标作为指定行人目标，提取指定行人目标的图像特征，然后从其它监控摄像头拍摄的其它段视频画面中识别人物目标并提取其图像特征，与所述指定行人目标的图像特征进行比对，如果匹配则确定该行人目标属于指定行人目标。

从而，在行人重识别的基础上，可以从视频画面中将包含指定行人目标的视频画面截取出来。行人重识别技术可以用于犯罪嫌疑人通缉、走失人口找寻、可疑人物跟踪等很多场景。

由于光线差异、监控摄像头拍摄视角差异、行人姿势的改变、视频画面中干扰因素的影响(例如背景对行人目标的影响)，行人之间的相互影响(例如遮挡等)，同一个行人目标在不同监控摄像头所拍摄的多个视频画面中，也会分别呈现出不同的图像特征。

在这种情况下，利用指定行人目标的图像特征，往往不能从全部监控摄像头拍摄的全部视频画面中视识别出属于该指定行人目标的行人目标，即便该指定行人目标确实存在于这些视频画面之中。

因此，如何准确识别指定行人目标的图像特征、提高图像识别率是本领域技术人员亟待解决的问题。

发明内容

鉴于上述问题，本发明实施例提供一种基于深度学习的行人重识别方法，包括：

获取视频画面中存在的全部行人目标；

指定某一视频画面中的一行人目标作为指定行人目标；

利用预设算法，提取所述指定行人目标的特征向量组以及所述全部行人目标的特征向量组；

将所述行人目标的特征向量组与所述指定行人目标的特征向量组进行匹配，计算匹配度值；

判断所述匹配度值是否大于阈值；如果所述匹配度值大于阈值，则所述行人目标属于指定行人目标。

在一个实施例中，利用预设算法，提取所述指定行人目标的特征向量组以及所述全部行人目标的特征向量组，包括：

利用经过训练的深度学习算法，提取所述指定行人目标的特征向量组以及所述全部行人目标的特征向量组。

在一个实施例中，所述经过训练的深度学习算法，包括：

对行人目标进行自适应区域划分，提取所述行人目标的整体特征向量与每个区域的区域特征向量；

根据所述整体特征向量与所述区域特征向量，生成所述全部行人目标的特征向量组与指定行人目标的特征向量组。

在一个实施例中，对行人目标进行自适应区域划分，提取所述行人目标的整体特征向量与每个区域的区域特征向量，包括：

所述行人目标的图像输入卷积神经网络的区域划分模块，生成不同区域的掩模图；