[发明专利]一种基于显著区域视频行人再识别方法、系统、设备和存储介质

说明书

本发明提出了一种基于显著区域视频行人检测方法、系统、设备和存储介质。所述方法包括：获取目标行人和候选视频中行人的显著区域特征；每个行人显著区域特征包括N个显著区域特征；根据所述目标行人和候选视频行人分别所对应的第1显著区域特征生成所述各自的第1显著区域仿射包特征；计算目标行人第1显著区域仿射包特征与候选视频行人第1显著区域仿射包特征之间的距离；通过距离和距离均值之间的关系筛选符合条件的候选视频行人集合，通过两次筛选获得第2集合，根据第2集合中的i和计算的距离di’排序得到候选视频行人中前rank个行人。实现了在不增加过多计算任务量时，提高视频行人再识别的精度。

技术领域

本发明涉及视频行人再识别领域，并且更具体地，涉及一种视频行人再识别检测方法、系统、设备和存储介质。

背景技术

视频中行人再识别技术，主要应用于视频监控等领域。相较于传统的人工识别视频中的行人，视频中行人再识别技术，可以有效提高识别的效率和精度。但是由于视频数据量比较庞大，目前视频行人再识别技术的计算量大、效率不够高、精度有待进一步提高。

目前，基于显著区域特征的视频行人再识别技术在计算量的降低方面、效率以及识别精度上均不够理想，存在一定的不足，不能够在识别精度和计算量、效率上达到最优化的效果。基于显著区域特征的视频行人再识别技术在识别精度和效率上存在一定的提升空间。

发明内容

为了提高视频行人再识别精度和降低计算量、提高识别效率，本发明提供了一种基于显著区域视频行人再识别方法，所述方法包括：

获取目标行人和候选视频中行人的显著区域特征；每个行人显著区域特征包括N个显著区域特征；N为大于等于3的正整数；

根据所述目标行人和所述候选视频行人的第1显著区域特征分生成别生成目标行人的第1仿射包特征和所述候选视频行人的第1仿射包特征；

计算目标行人仿射包特征与候选视频行人仿射包特征之间的距离，获取第2集合；包括：计算所述目标行人第1仿射包特征和所述候选视频中行人第1仿射包特征之间的距离d1i及其均值d1avg,其中，i＝1…M，M是候选视频中行人个数，i表示候选视频中第i个行人；在M个候选视频行人中，满足条件d1i＝d1avg的所有i构成第1集合；

根据第1集合中的i，生成候选视频中第i个行人的第2仿射包特征与所述目标行人的第2仿射包特征，计算两者之间的距离d2i及其均值d2avg,根据d1i，d1avg，d2i以及d2avg计算候选视频中第i个行人与目标行人之间的距离di及其均值davg；

根据所述第1集合中的i，满足条件di＝davg的所有i构成第2集合；根据第2集合中的i，生成候选视频中第i个行人的第3仿射包特征与所述目标行人的第3仿射包特征，计算两者之间的距离d3i；

根据所述第2集合中的i，以及d1i，d2i，d3i；计算所述候选视频中第i个行人与所述目标行人的之间的距离为di’；第n显著区域特征与第n个仿射包特征对应，n＝1,2，3；

根据第2集合中的i以及所述距离di’排序得到候选视频行人中前rank个行人。

优选地，计算目标行人和候选视频中行人的显著区域特征，包括：目标行人图像超像素划分和候选视频中行人的图像超像素划分，背景移除，所述超像素区域显著度计算，显著超像素区域合并；其中，N个显著区域是行人图像区域中互相不重叠的子区域；每个显著区域的显著度的计算包括：第k个显著区域和其余N-1个显著区域之间的加权距离和得到，权重是所述第k个显著区域像素与行人图像像素之间的比值；其中k＝1…N；并按照显著度排序，第1显著区域具有最高显著度。

优选地，计算所述目标行人显著区域特征对应的仿射包特征和所述候选视频中行人显著区域特征对应的仿射包特征之间的距离，包括几何距离计算方法、距离学习度量模型和于卷积神经网络的距离计算方法。