[发明专利]一种人员识别方法、装置、设备、行人监控系统及存储介质

权利要求书

1.一种人员识别方法，其特征在于，包括：

获取待检人员图像；

针对所述待检人员图像和给定的目标人员图像，基于卷积神经网络获取到对应的全局特征图；

针对所述待检人员图像和所述目标人员图像，基于人体关键点模型和对应的全局特征图，获取到对应的多个局部特征；

针对所述待检人员图像和所述目标人员图像，将对应的多个局部特征在平均池化处理后与在对应的全局特征图中的全局特征进行串联拼接，得到对应的且包含有多维度特征值的特征行向量；

将所述待检人员图像及所述目标人员图像的特征行向量组合成特征矩阵，其中，所述特征矩阵中的各行元素为所述待检人员图像的特征行向量或所述目标人员图像的特征行向量；

对所述特征矩阵进行归一化处理，得到归一化特征矩阵；

计算所述归一化特征矩阵与其转置矩阵的内积，得到相似余弦方阵；

根据所述待检人员图像的特征行向量和所述目标人员图像的特征行向量分别在所述特征矩阵中的行位置，在所述相似余弦方阵中查找到对应行列位置的元素，并将该元素作为所述待检人员图像与所述目标人员图像的人员相似度。

2.如权利要求1所述的人员识别方法，其特征在于，若获取到多张待检人员图像，则在得到相似余弦方阵之后，所述方法还包括：

根据所述目标人员图像的特征行向量在所述特征矩阵中的行位置，在所述相似余弦方阵中查找到对应行位置的多个元素；

对所述多个元素中的所有元素进行数值由大到小的排序，得到元素队列；

根据与待检人员图像对应的元素在所述元素队列中的排序，对所述多张待检人员图像中的所有待检人员图像进行一致性排序，得到待检人员图像队列；

将所述待检人员图像队列中的各张图像调整为统一尺寸大小的图像，并通过水平堆叠方式进行同时展示。

3.如权利要求1所述的人员识别方法，其特征在于，获取待检人员图像，包括：

获取监控视频图像；

调用目标检测算法对所述监控视频图像进行人员检测处理，得到人员检测结果标记框在所述监控视频图像中的位置；

根据所述人员检测结果标记框的位置，从所述监控视频图像中截取出框内图像作为待检人员图像。

4.如权利要求1所述的人员识别方法，其特征在于，针对所述待检人员图像和给定的目标人员图像，基于卷积神经网络获取到对应的全局特征图，包括：

将人员图像输入卷积神经网络，通过该卷积神经网络的多层卷积、池化和采样处理，使输入图像编码成全局特征图，其中，所述人员图像为所述待检人员图像或给定的目标人员图像，所述卷积神经网络的最后一次空间降采样的步长设置为一。

5.如权利要求1所述的人员识别方法，其特征在于，针对所述待检人员图像和所述目标人员图像，基于人体关键点模型和对应的全局特征图，获取到对应的多个局部特征，包括：

基于人体关键点模型获取到人员图像的多张局部热图，其中，所述人员图像为所述待检人员图像或所述目标人员图像；

针对所述多张局部热图中的各张局部热图，对所述人员图像的全局特征图和对应的热图先进行像素级别的乘积处理，再进行平均池化处理，得到对应的局部特征。

6.如权利要求1所述的人员识别方法，其特征在于，对所述特征矩阵进行归一化处理，得到归一化特征矩阵，包括：

根据ImageNet项目的均值和标准差，对所述特征矩阵进行归一化处理，得到归一化特征矩阵。