[发明专利]行人轨迹生成方法、装置、设备及存储介质

权利要求书

1.一种行人轨迹生成方法，其特征在于，所述行人轨迹生成方法包括：

获取历史人脸图像，并将所述历史人脸图像作为模型训练样本；根据预设的降质特征对所述模型训练样本进行分类，对分类后的模型训练样本中的每类历史人脸图像进行评价，得到评价结果，并根据所述评价结果进行对模型训练样本进行标注；将所述历史人脸图像输入预设的神经网络模型中，得到所述历史人脸图像的预估质量分值；根据历史人脸图像标注的评价结果和预估质量分值，计算预设的损失函数，得到损失函数值；判断所述损失函数值是否大于预设损失值；若是，则根据所述损失函数值反向传播更新所述神经网络模型的模型参数，并回到将所述历史人脸图像输入神经网络模型中，得到所述历史人脸图像的预估质量分值的步骤；若否，则根据神经网络模型的模型参数，获得人脸图像质量评估模型；

获取输入的待识别行人的行人图像和监控视频集；

将所述监控视频集中的监控视频进行分帧处理，得到所述监控视频的第一图像帧集合；

对所述第一图像帧中进行人脸检测，得到所述第一图像帧中的人脸关键点；根据所述人脸关键点描绘人脸矩形框；根据所述人脸矩形框，从所述第一图像帧中截取人脸图像；

将所述第一图像帧中的人脸图像输入所述人脸图像质量评估模型中，通过所述人脸图像质量评估模型进行多分支任务评估，得到所述人脸图像的图像质量分值；判断所述图像质量分值是否大于预设分值；若是，则确定所述人脸图像的清晰度类型为清晰；若否，则确定所述人脸图像的清晰度类型为模糊；

若人脸图像的清晰度类型为清晰，则将所述人脸图像与所述行人图像进行相似度比较，并将相似度大于预设阈值的人脸图像对应的第一图像帧作为第二图像帧；

若人脸图像的清晰度类型为模糊，则对所述第一图像帧集合中的第一图像帧和所述行人图像进行行人再识别处理，并将行人再识别处理得到的结果中表示图像相似的第一图像帧作为第三图像帧；

对所述第二图像帧或所述第三图像帧中的待识别行人的位置进行定位，得到所述待识别行人在所述第一图像帧中的位置信息；

根据所述监控视频集中所述待识别行人在每一个第一图像帧中的位置信息，生成所述待识别行人在所述监控视频集中的行动轨迹。

2.根据权利要求1所述的行人轨迹生成方法，其特征在于，所述对所述第一图像帧集合中的第一图像帧和所述行人图像进行行人再识别处理，并将行人再识别处理得到的结果中表示图像相似的第一图像帧作为第三图像帧对所述第一图像帧集合中的第一图像帧和所述行人图像进行行人再识别处理，并将行人再识别处理得到的结果中表示图像相似的第一图像帧作为第三图像帧 包括：

将所述第一图像帧输入预设的特征提取网络中，通过所述特征提取网络提取所述第一图像帧的特征向量；

提取所述行人图像的特征，并将所述特征与所述特征向量进行相似度比较，得到行人再识别结果；

将行人再识别处理得到的行人再识别结果中表示图像相似的第一图像帧作为第三图像帧。

3.根据权利要求2所述的行人轨迹生成方法，其特征在于，所述特征提取网络通过以下步骤得到：

获得基线分类网络的网络参数，并根据所述基线分类网络对预设的历史行人图像集进行特征提取，得到所述历史行人图像集中的历史行人图像的特征表示；

确定所述历史行人图像集中的目标图像，并计算所述目标图像与其他历史行人图像的相似度，筛选相似度大于预设阈值的k个历史行人图像；

对所述k个历史行人图像打上软标签，并通过所述软标签对所述基线分类网络的网络参数进行调整，得到特征提取网络。

4.根据权利要求1-3中任一项所述的行人轨迹生成方法，其特征在于，所述监控视频集还包括监控视频对应的拍摄时间，所述根据所述监控视频集中所述待识别行人在每一个第一图像帧中的位置信息，生成所述待识别行人在所述监控视频集中的行动轨迹包括：

根据所述监控视频对应的拍摄时间，计算监控视频的所有第一图像帧的时间戳；

根据所述位置信息和所述时间戳，生成所述监控视频中所述待识别行人的第一行动轨迹；

根据所述时间戳将监控视频集内的所有第一行动轨迹沿时间轴连接，生成所述待识别行人在所述监控视频集中的总行动轨迹。