[发明专利]一种监控场景下的基于非机动车再识别的行人检索方法

摘要

本发明公开了一种监控场景下的基于非机动车再识别的行人检索方法。本发明首先进行建模，包括数据采集，训练样本制作和模型训练。其中数据采集包括从监控场景获取原始视频、截取相同行人视频片段和抽帧、标框。训练样本制作包括抠图、扩边和对图片进行编号。在得到训练完的模型后便可以进行行人检索，包括将监控场景中数据库的所有图片和将待检索的非机动车图像输入至模型中得到多维的特征向量；计算特征向量的差异，得到多个数值；对数值进行排序，取排在前几位的结果，由办案人员进行最终确定是否为同一个行人。本发明数据来源更实际、且数据形式更统一，同时还提供一些候选图像，再经过人工筛选，使得检索结果更加准确。

主权项

1.一种监控场景下的基于非机动车再识别的行人检索方法，其特征在于该方法包括以下步骤：建立非机动车再识别模型，具体是：一.数据采集A1、从监控场景获取原始视频：根据摄像头的分布位置找到可能有同一目标同时经过若干摄像头的场景，采集这些摄像头的监控视频；A2、截取相同行人视频片段：对每个摄像头一个小时的视频片段进行播放、查找，从这些个摄像头中找到相同的行人，一旦找到，则将行人从出现到离开这段时间内的视频截取出来保存为视频片段；A3、抽帧、标框：对得到的视频片段进行抽帧，将视频片段保存为图片，然后对得到的图片进行标注，将出现的相同行人用矩形框进行标注，将图片与矩形框标注文件进行存储；二.训练样本制作B1、抠图：根据得到的图片与矩形框标注文件，将矩形框对应的行人抠出来保存为图片；B2、扩边：经过抠图之后，得到紧致包围行人的图片；B3、编号：对得到的行人图片进行编号；三.训练模型模型采用14层的卷积网络、全连接层与Softmax损失函数；行人检索，具体是：C1、将监控场景中数据库的所有图片作为输入送入训练好的模型，每张图片会得到一个M维的特征向量；C2、将待检索的非机动车图像送入训练好的模型，得到一个M维的特征向量；C3、采用如下公式计算由步骤C2得到的特征向量与由步骤C1得到的Z个特征向量的差异，得到Z个数值：这里q_j表示由步骤C2得到的M维特征的第j个分量；g_ij表示数据库中第i张图片得到M维特征的第j个分量；d_i表示待检索的图片与数据库中第i张图片的特征差异，i∈[0,Z],j∈[0,M]；C4、对由步骤C3得到的Z个数值进行升序排序并保留其排序前的索引，取排在前几位的结果，将索引所对应的图片进行显示，由办案人员进行最终确定是否为同一个行人。