【技术实现步骤摘要】
【国外来华专利技术】一种行人重识别方法、装置及系统
[0001]本申请涉及视频监控领域,特别涉及一种行人重识别方法、装置及系统。
技术介绍
[0002]目前,开集行人重识别方法是利用公开的闭集数据集学习距离度量,这些公共闭集数据集与开集数据集有很大的不同,并忽略某些开集的情况,即被观察者在不同摄像头视角下的部分重叠或完全不重叠。因此,现有技术中不能解决开集行人重识别问题的度量。
[0003]现有技术中,这些度量都是使用闭集行人重识别数据集学习的,而开集行人重识别数据集与闭集行人重识别数据集完全不同,其中不需要在网络的第m个摄像头视图中观察第n个人,以及所有m个视图都有相同的n个观察人数,因此,当在闭集行人重识别的约束下学习一个度量时,仍然无法发现现实世界中复杂的数据关系,即在m个视图的网络中,第n个人可能在网络的cam 1中捕捉到实例,而在cam 3和cam 5中网络上没有第n个人的实例,这种度量无法模拟当在图库中没有匹配的查询,或者也无法度量在一对摄影机视图中完全没有人的身份重叠的复杂情况。
[0004]进一步,这些度量没有考虑到开集中存在的非线性复杂模态。这些非线性模型存在于开集图像空间中,是由于拍摄图像的视点、背景和光照变化的随机非线性变化,以及在大型摄像机网络中拍摄的图像中存在拥挤的场景和遮挡。在这种情况下,当学习的度量既不能同时处理非线性模型,又不能模拟开集数据样本的复杂性时,当在大规模的现实网络中进行测试时,其性能会大大降低。
[0005]因而现有技术还有待改进和提高。
技术实现思路
...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种行人重识别方法,其中,其包括:获取第一场景下的第一目标图像,提取所述第一目标图像对应的第一颜色特征和第一纹理特征;根据所述第一颜色特征和所述第一纹理特征确定所述第一目标图像所处的第一模态;根据预设的模态与距离度量关系确定所述第一模态对应的第一度量;获取各第二场景下所有第二目标图像,提取各所述第二目标图像对应的第二颜色特征和第二纹理特征;将所述第一颜色特征和第一纹理特征,以及各第二目标图像对应的第二颜色特征和所述第二纹理特征输入至所述第一度量,以得到若干特征距离,其中,若干所述特征距离包括第一目标图像与各第二目标图像的特征距离;选取所述若干特征距离中最小值对应的第三目标图像,并判定所述第三目标图像与所述第一目标图像为同一人。2.根据权利要求1所述的行人重识别方法,其中,所述获取第一场景下的第一目标图像,提取所述第一目标对应的第一颜色特征和第一纹理特征之前还包括:收集两个摄像头下的每个行人的目标图像,并根据收集的目标图像组成训练样本和测试样本;将所述训练样本按照模态进行分割,以得到各模态对应的分割数据;针对每个所述分割数据进行分组,并基于分组后的数据得到每个模态对应的距离度量,以得到所述预设的模态与距离度量关系。3.根据权利要求2所述的行人重识别方法,其中,所述方法还包括:确定测试样本的模态,并根据测试样本的模态选择与该模态对应的距离度量;采用KNN聚类算法对所述距离度量进行计算,以得到特征集合。4.根据权利要求2所述的行人重识别方法,其中,所述将所述训练样本按照模态进行分割,以得到各模态对应的分割数据具体包括:提取训练样本中每个目标图像的颜色特征和纹理特征;根据每个目标图像的颜色特征和纹理特征得到多个模态;将所述训练样本按照模态进行分割,以得到各模态对应的分割数据。5.根据权利要求2所述的行人重识别方法,其中,所述针对每个分割数据进行分组,并基于分组后的数据得到每个模态对应的距离度量具体包括:针对每个分割数据进行分组,以得到三个集合,所述三个集合包括:set
1ab,k
,set
2a,k
和set
3b,k
;其中,set
1ab,k
为存在两个摄像头下的视图,set
2a,k
为仅存在摄像头a下的视图,set
3b,k
为仅存在摄像头b下的视图;基于所述三个集合得到每个模态对应的距离度量。6.根据权利要求5所述的行人重识别方法,其中,所述基于所述三个集合得到每个模态对应的距离度量之前还包括:为集合set
2a,k
和集合set
3b,k
设置正对,并更新集合set
2a,k
和集合set
3b,k
。7.根据权利要求6所述的行人重识别方法,其中,所述基于所述三个集合得到每个模态对应的距离度量具体包括:根据所述三个集合生成负图库样本集合;
根据所述三个集合中每对图像生成一对冒名顶替者;根据所述负图库样本集合和所述每对图像生成一对冒名顶替者得到每个模态对应的距离度量。8.一种行人重识别装置,其中,所述装置包括:第一获取模块,用于获取第一场景下的第一目标图像,提取所述第一目标图像对应的第一颜色特征和第一...
【专利技术属性】
技术研发人员:赛义德,
申请(专利权)人:康佳集团股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。