行人识别方法、装置、计算机设备及存储介质制造方法及图纸

本申请公开了一种行人识别方法、装置、计算机设备及存储介质，可有效地达到跟踪行人的目的。方法部分包括：获取监控区域中的包含第一行人的第一图像和包含第二行人的第二图像；根据第一图像和第二图像对应获取第一行人和第二行人的人体关键点；根据第一行人的人体关键点判断第一行人是否存在被遮挡，及根据第二行人的人体关键点判断第二行人是否存在被遮挡；若第一行人和第二行人均不存在被遮挡，则确定第一行人和第二行人的边缘区域；根据第一行人和第二行人的边缘区域的特征向量计算第一相似度；若第一相似度大于或等于第一预设阈值，则确定第一行人和第二行人为同一行人。

【技术实现步骤摘要】
行人识别方法、装置、计算机设备及存储介质
本申请涉及图像处理领域，尤其涉及一种行人识别方法、装置、计算机设备及存储介质。
技术介绍
在视频监控中，行人通常会在同意个监控区域中出现，尤其是在多个摄像机中，经常会有一些行人出现在多个监控区域。为了能够跟踪到多个摄像机中的人，传统方案提出了一种行人跟踪方法，该方法中，是给通过检测出行人区域的矩形框，提取行人区域的矩形框中的特征，将行人区域的矩形框的特征对比一致的行人确定为同一行人，从而达到跟踪的目的。但是，采用上述行人跟踪方法，由于矩形框区域背景复杂，干扰非常多，导致提取的行人区域的矩形框的特征具有较大的干扰，在进行特征对比时无法进行有效的比对，从而无法精确的对行人进行识别，也就无法有效地达对行人进行跟踪。
技术实现思路
基于此，有必要针对上述技术问题，提供一种可以有效地的对行人进行识别，从而有效地达到跟踪行人的目的行人识别方法、装置、计算机设备及存储介质。一种行人识别方法，包括：在不同时间点获取监控区域中的第一图像和第二图像，第一图像包含第一行人，第二图像包含第二行人；根据第一图像获取第一行人的人体关键点，及根据第二图像获取第二行人的人体关键点；根据第一行人的人体关键点判断第一行人是否存在被遮挡，及根据第二行人的人体关键点判断第二行人是否存在被遮挡；若第一行人和第二行人均不存在被遮挡，则确定第一行人的边缘区域和第二行人的边缘区域；计算第一行人的边缘区域的特征向量与第二行人的边缘区域的特征向量之间的第一相似度；若第一相似度大于或等于第一预设阈值，则判定第一行人和第二行人为同一行人。一种行人识别装置，包括：第一获取模块，用于在不同时间点获取监控区域中的第一图像和第二图像，第一图像包含第一行人，第二图像包含第二行人；第二获取模块，用于根据第一获取模块获取的第一图像获取第一行人的人体关键点，及根据第二图像获取第二行人的人体关键点；判断模块，用于根据第二获取模块获取的第一行人的人体关键点判断第一行人是否存在被遮挡，及根据第二获取模块获取的第二行人的人体关键点判断第二行人是否存在被遮挡；确定模块，用于若判断模块判断第一行人和第二行人均不存在被遮挡，则确定第一行人和第二行人的边缘区域；计算模块，用于计算第一行人的边缘区域的特征向量与第二行人的边缘区域的特征向量之间的第一相似度；判定模块，用于若计算模块计算的第一相似度大于或等于第一预设阈值，则判定第一行人和第二行人为同一行人。一种计算机设备，包括存储器、处理器和存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述行人识别方法的步骤。一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述行人识别方法的步骤。上述行人识别方法、装置、计算机设备及存储介质，可确定出第一行人与第二行人是否为同一行人，从而起到对行人进行跟踪的目的，与传统方案相比，本申请是利用人体的边缘区域的特征向量确定第一行人与第二行人是否为同一行人，可以减少由于矩形框的特征所带来的背景干扰因素的影响，可以有效地的对行人进行识别，从而有效地达到跟踪行人的目的。附图说明为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本申请中行人识别方法一应用环境示意图；图2是本申请中行人识别方法一实施例流程示意图；图3是本申请行人识别方法中人体关键点的一示意图；图4是本申请行人识别方法另一实施例流程示意图；图5是图1步骤S20中一具体实施方式示意图；图6是图1步骤S40中一具体实施方式示意图；图7是图1步骤S50中一具体实施方式示意图；图8是图4步骤S80中一具体实施方式示意图；图9是图4步骤S90中一具体实施方式示意图；图10是本申请中行人识别装置一实施例结构示意图；图11是本申请一实施例中计算机设备的一示意图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。本申请提供的行人识别方法，可应用在如图1所示的应用环境中，其中，计算机设备与摄像头进行通信连接，其中，计算机设备为具备图像处理功能以及各种运算能力的设备，该计算机设备可以实时获取与之相连接的摄像头所拍摄的区域图像，具体可通过总线或网络的方式与摄像头进行通信连接。在本申请中，在不同的监控区域或相同的监控区域中布置有一个或多个摄像装置，如摄像头，通过摄像头可实时获取到监控区域中的画面。应理解，上述图1在这里只是示例说明，并不对本申请构成限定。下面进行详细介绍。在一实施例中，如图2所示，提供一种行人识别方法，以该方法应用在图1中的服务器为例进行说明，包括如下步骤：S10、在不同时间点获取监控区域中的第一图像和第二图像，第一图像包含第一行人，第二图像包含第二行人；在本申请中，第一行人和第二行人可以为同一监控区域下的行人，也可以是不同监控区域的行人，在本方案的在一些应用场景中，通过在不同的监控区域布置摄像装置，该摄像装置具体可以是摄像头抑或是其他监控设备，可用于实时拍摄上述监控区域下以获取必要的视频或图像数据，具体的，在本申请中可获取到监控区域中包含有第一行人的第一图像，以及包含有第二行人的第二图像。需要说明的是，第一行人和第二行人为不同时间节点上的行人，是指，第一行人和第二行人是在不同时刻出现在监控区域上的行人，示例性的，第一行人为早上8:00在A监控区域出现的行人，第二行人为早上9:00在A监控区域出现的行人；又例如，第一行人为早上8:00在A监控区域出现的行人，第二行人为早上9:00在B监控出现的行人，需要说明的是，上述只是一个示例，不对方案造成限定。S20、根据第一图像获取第一行人的人体关键点，及根据第二图像获取所述第二行人的人体关键点；S30、根据第一行人的人体关键点判断第一行人是否存在被遮挡，及根据第二行人的人体关键点判断第二行人是否存在被遮挡；在实际应用中，监控区域所拍摄的图像不可避免会存在行人被遮挡，在本申请中，可以根据确定出的第一行人的以及第二行人的人体关键点，进一步确定第一行人和第二行人是否被遮挡。其中，在本申请中，可以根据确定出的第一行人的人体关键点的数量确定第一行人是否被遮挡，同理，根据确定出的第二行人的人体关键点的数量确定第二行人是否被遮挡。S40、若第一行人和第二行人均不存在被遮挡，则确定第一行人的边缘区域和第二行人的边缘区域；其中，第一行人的边缘区域指的是第一行人的人体边缘区域，人体边缘区域是指人体区域中人体线条边缘的区域，同理，第二行人的边缘区域指的是第二行人的人体边缘区域。S50、计算第一行人的边缘区域的特征向量与第二行人的边缘区域的特征向量之间的第一相似度；在确定出了第一行人和第二行人的边缘区域后，根据第一行人和第二行人的边缘区域的特征向量计算第一相似度。其中，根据第一预设特征提取算法提取第本文档来自技高网...

【技术保护点】
1.一种行人识别方法，其特征在于，包括：在不同时间点获取监控区域中的第一图像和第二图像，所述第一图像包含第一行人，所述第二图像包含第二行人；根据所述第一图像获取所述第一行人的人体关键点，及根据所述第二图像获取所述第二行人的人体关键点；根据所述第一行人的人体关键点判断第一行人是否存在被遮挡，及根据所述第二行人的人体关键点判断第二行人是否存在被遮挡；若所述第一行人和所述第二行人均不存在被遮挡，则确定所述第一行人的边缘区域和所述第二行人的边缘区域；计算所述第一行人的边缘区域的特征向量与所述第二行人的边缘区域的特征向量之间的第一相似度；若所述第一相似度大于或等于第一预设阈值，则判定所述第一行人和所述第二行人为同一行人。

【技术特征摘要】
1.一种行人识别方法，其特征在于，包括：在不同时间点获取监控区域中的第一图像和第二图像，所述第一图像包含第一行人，所述第二图像包含第二行人；根据所述第一图像获取所述第一行人的人体关键点，及根据所述第二图像获取所述第二行人的人体关键点；根据所述第一行人的人体关键点判断第一行人是否存在被遮挡，及根据所述第二行人的人体关键点判断第二行人是否存在被遮挡；若所述第一行人和所述第二行人均不存在被遮挡，则确定所述第一行人的边缘区域和所述第二行人的边缘区域；计算所述第一行人的边缘区域的特征向量与所述第二行人的边缘区域的特征向量之间的第一相似度；若所述第一相似度大于或等于第一预设阈值，则判定所述第一行人和所述第二行人为同一行人。2.如权利要求1所述的行人识别方法，其特征在于，所述方法还包括：若所述第一行人和/或所述第二行人存在被遮挡，则确定所述第一行人和所述第二行人之间的共同人体关键点，所述共同人体关键点为所述第一行人和所述第二行人中未被遮挡且具有相同位置的人体关键点；获取所述第一行人和所述第二行人的共同人体关键点的局部特征向量；计算所述第一行人的共同关键点的局部特征向量与所述第二行人的共同关键点的局部特征向量之间的第二相似度；若所述第二相似度大于或等于第二预设阈值，则确定所述第一行人和所述第二行人为同一行人。3.如权利要求2所述的行人识别方法，其特征在于，所述根据所述第一图像获取所述第一行人的人体关键点，及根据所述第二图像获取所述第二行人的人体关键点，包括：使用预设人体关键点检测模型对所述第一图像和第二图像进行关键点检测，以得到第一关键点特征图和第二关键点特征图；使用卷积神经网络分别对所述第一关键点特征图提取第一部分置信图和第一部分亲和域，并使用所述卷积神经网络对所述第二关键点特征图提取第二部分置信图和第二部分亲和域；通过偶匹配对所述第一部分置信图和所述第一部分亲和域进行处理，以将第一行人的关节点连接起来得到所述第一行人的人体关键点，及通过所述偶匹配对所述第二部分置信图和所述第二部分亲和域进行处理，以将第二行人的关节点连接起来得到所述第二行人的人体关键点。4.如权利要求3所述的行人识别方法，其特征在于，所述确定所述第一行人和所述第二行人的边缘区域，包括：分别对所述第一图像和第二图像进行实例分割以获得所有目标实例；对所述所有目标实例进行图像分类以确定第一行人实例和第二行人实例；分别对所述第一行人实例和所述第二行人实例进行像素分类以输出所述第一行人实例对应的第一图像掩膜，和所述第二行人实例对应的第二图像掩膜；通过所述第一图像掩膜确定出所述第一行人的边缘区域，及通过所述第二图...

【专利技术属性】
技术研发人员：崔永明，黄仕君，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44