[發明專利]行人重識別方法、裝置、電子設備和計算機可讀存儲介質有效
| 申請號： | 202010194339.5 | 申請日： | 2020-03-19 |
| 公開（公告）號： | CN111401265B | 公開（公告）日： | 2020-12-25 |
| 發明（設計）人： | 鄭新想 | 申請（專利權）人： | 重慶紫光華山智安科技有限公司 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06K9/46;G06K9/32;G06K9/62 |
| 代理公司： | 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463 | 代理人： | 李莎 |
| 地址： | 400700 重慶市*** | 國省代碼： | 重慶;50 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 行人 識別 方法 裝置 電子設備 計算機 可讀 存儲 介質 | ||
1.一種行人重識別方法，其特征在于，所述方法包括：
獲取多張行人圖像；
將所述多張行人圖像輸入預先訓練的識別模型，所述識別模型包括姿態特征提取網絡、關鍵點特征提取網絡、全局特征提取網絡和局部特征提取網絡；利用所述識別模型進行特征提取，得到每張行人圖像對應的行人姿態特征、行人關鍵點特征、行人全局特征、行人局部特征及所述行人局部特征的置信度，包括：利用所述姿態特征提取網絡提取出每張行人圖像對應的行人姿態特征；利用所述關鍵點特征提取網絡提取出每張行人圖像對應的行人關鍵點特征；利用所述全局特征提取網絡提取出每張行人圖像對應的行人全局特征；利用所述局部特征提取網絡提取出每張行人圖像對應的行人局部特征及所述行人局部特征的置信度；
根據任意兩張行人圖像各自對應的行人姿態特征、行人關鍵點特征、行人全局特征、行人局部特征、所述行人局部特征的置信度計算行人相似度；
根據所述行人相似度確定所述兩張行人圖像中的行人是否為同一人。
2.根據權利要求1所述的方法，其特征在于，所述識別模型包括特征圖提取網絡、關鍵點和姿態檢測模塊，所述特征圖提取網絡、所述關鍵點和姿態檢測模塊構成所述姿態特征提取網絡；
所述利用所述姿態特征提取網絡提取出每張行人圖像對應的行人姿態特征，包括：
利用所述姿態特征提取網絡的第一特征圖提取層提取出每張行人圖像對應的第一特征圖；
將所述第一特征圖輸入所述關鍵點和姿態檢測模塊，得到關鍵點坐標信息以及基于所述關鍵點坐標信息確定的行人姿態特征。
3.根據權利要求2所述的方法，其特征在于，所述識別模型還包括關鍵點后處理模塊，所述特征圖提取網絡、所述關鍵點和姿態檢測模塊、所述關鍵點后處理模塊構成所述關鍵點特征提取網絡；
所述利用所述關鍵點特征提取網絡提取出每張行人圖像對應的行人關鍵點特征，包括：
將所述關鍵點坐標信息和所述第一特征圖輸入所述關鍵點后處理模塊，得到所述行人關鍵點特征。
4.根據權利要求2所述的方法，其特征在于，所述識別模型還包括感興趣區域ROI提取模塊、ROI池化模塊和全局特征提取模塊，所述特征圖提取網絡、所述關鍵點和姿態檢測模塊、所述ROI提取模塊、所述ROI池化模塊和所述全局特征提取模塊構成所述全局特征提取網絡；
所述利用所述全局特征提取網絡提取出每張行人圖像對應的行人全局特征，包括：
將所述關鍵點坐標信息和所述第一特征圖輸入所述ROI提取模塊，得到所述行人圖像對應的感興趣區域；
將所述感興趣區域輸入所述ROI池化模塊進行池化處理；
將經過池化處理的感興趣區域輸入所述全局特征提取模塊，得到所述行人全局特征。
5.根據權利要求4所述的方法，其特征在于，所述識別模型還包括局部特征提取模塊，所述特征圖提取網絡、所述關鍵點和姿態檢測模塊、所述ROI提取模塊和所述局部特征提取模塊構成所述局部特征提取網絡；
所述利用所述局部特征提取網絡提取出每張行人圖像對應的行人局部特征及所述行人局部特征的置信度，包括：
利用所述姿態特征提取網絡的第二特征圖提取層提取出每張行人圖像對應的第二特征圖；其中，所述第二特征圖的分辨率高于所述第一特征圖；
將所述ROI提取模塊獲取的所述關鍵點坐標信息按照預設的比例進行放大處理；
將所述第二特征圖和經過放大處理的關鍵點坐標信息輸入所述局部特征提取模塊，得到所述行人局部特征及所述行人局部特征的置信度。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于重慶紫光華山智安科技有限公司，未經重慶紫光華山智安科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.17sss.com.cn/pat/books/202010194339.5/1.html，轉載請聲明來源鉆瓜專利網。
