[发明专利]基于监控相机和无线定位的行人重识别系统

说明书

本发明公开了一种基于监控相机和无线定位的行人重识别系统，通过对相机拍摄的场景进行经纬度标注，将无线定位与行人重识别结合起来，构成新的行人重识别系统，系统中利用循环亲和度传播单元，视觉信息与无线定位信息不断传播融合，互相提升，系统不仅能提升传统行人重识别的准确率，同时能匹配行人的无线信号以进一步得到其具体的身份信息；此外，在得到行人的无线信息身份后，便可直接在其无线信号路径上进行搜索，极大地降低了搜索的复杂度。

技术领域

本发明涉及行人重识别技术领域，尤其涉及一种基于监控相机和无线定位的行人重识别系统。

背景技术

行人重识别旨在匹配不同相机下的行人。随着经济的发展，监控摄像机的覆盖范围越来越大，行人重识别的应用价值也越来越突出。借助行人重识别，我们可以寻找丢失的儿童，追踪嫌犯，安防布控等等。受此影响，近些年中，行人重识别也受到了越来越多研究者的关注。

因为摄像机架设的位置不同，相机的拍摄视角是不同的，即使拍到的是同一个人，但是其背景，光照，行人的姿势和角度都会有很大的差异。这些问题都给行人重识别算法带来了很多的困难。根据识别对象的来源分类，现有的行人重识别算法主要有两大类，一类是基于图像的，另一类是基于视频的。基于图像的行人重识别是给定一张行人的图片，算法需要在其他相机拍摄到的图片中找到相应的行人的图像。基于视频的行人重识别则是给定一个行人的视频序列，算法需找出其他相机下该行人的视频序列。单张图片所含有的信息量是有限的，容易受到遮挡、模糊和姿态变化的影响，而视频序列中，帧之间的信息是相互补充的，某一帧缺失的信息可以借助相邻帧中的信息恢复。所以相较于基于图片的行人重识别，基于视频的行人重识别有更多的信息可以利用，更有优势。

行人重识别算法主要包含两部分，一部分是特征的提取，另一部分是相似性的度量。不同行人之间可能会有相似的姿势甚至衣着，而相同的行人因视角不同可能会有很大的姿势差距，有区分性的、鲁棒的特征对解决这些问题至关重要。给定两张图片或者两个视频的特征表达之后，用有效的方法度量特征之间的相似性也是一个重要的研究内容。好的相似性度量方法能更充分地利用特征的区分性，提升匹配的准确率。

基于图片的行人重识别常用卷积神经网络(Convolutional Neural Network)来提取特征，而基于视频的行人重识别，在提取到视频帧的特征之后，还需要对帧特征进行融合以得到视频序列的特征表达。现有的融合视频帧特征的方法主要有循环神经网络(Recurrent Neural Network)，估计帧质量并用质量值加权求和，利用3D卷积神经网络同时整合时空信息，利用局部显著性值加权融合等等。

现有的行人重识别方案主要存在如下缺陷：1)现有的行人重识别算法容易受到遮挡、模糊和姿态变化的影响。当行人被一些物体遮挡住部分身体，或者监控相机分辨率较低以至于无法看清细节，或者因姿势变化而导致类内差异增大时，都会干扰算法的匹配精度。2)现有的行人重识别算法只能给定一个行人的图像或者视频，寻找其在其他相机下的数据，但是很多情况下，因相机分辨率较低以及角度问题，无法识别面部，故不能有效的知道行人的具体身份。3)现有的行人重识别算法的计算复杂度较高，而现在的城市监控网络中，监控视频数据量十分庞大，在这么多视频数据中直接搜寻行人需要大量的计算资源。

发明内容

本发明的目的是提供一种基于监控相机和无线定位的行人重识别系统，不仅能提升传统行人重识别的准确率，同时能匹配行人的无线信号以进一步得到其具体的身份信息。

本发明的目的是通过以下技术方案实现的：

一种基于监控相机和无线定位的行人重识别系统，包括：

定位标注单元，用于对监控区域内的场景进行经纬度标注；

行人视频序列与视觉轨迹提取单元，用于从摄像机拍摄的监控区域内的视频中提取出行人视频序列，并根据视频序列中标注的经纬度，提取相应的视觉轨迹；