本申请涉及一种行人重识别方法、装置、计算机设备、存储介质和计算机程序产品。方法通过获取待处理视频数据，提取待处理视频数据中包含待检测行人的检测框；获取检测框内待检测行人的特征视角以及待检测行人的第一行人特征；从预设视角特征库中提取与特征视角对应的行人视角，获取行人视角下各行人的第二行人特征，得到第二行人特征集；而后获取第一行人特征与第二行人特征之间的特征相似度与视角相似度；根据特征相似度与视角相似度，来确定待检测行人的行人重识别结果。本申请在进行行人重识别时，综合考虑特征相似度和视角相似度，额外引入视角相似度来衡量特征之间的视角差异，从而有效提高行人重识别过程的识别准确率。率。率。
【技术实现步骤摘要】
行人重识别方法、装置、计算机设备和存储介质
[0001]本申请涉及视频处理
，特别是涉及一种行人重识别方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
[0002]随着计算机视觉的发展，出现了行人重识别技术，行人重识别(Person re
‑
identification)也称行人再识别，是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术。广泛被认为是一个图像检索的子问题。给定一个监控行人图像，检索跨设备下的该行人图像。旨在弥补固定的摄像头的视觉局限，并可与行人检测/行人跟踪技术相结合，可广泛应用于智能视频监控、智能安保等领域。
[0003]在行人重识别任务中，视角、行人姿势、光照、背景和分辨率等视觉因素显著地影响着模型的性能。由于同一行人在不同拍摄角度(视角)下具有显著的外观差异，模型难以匹配两个视角下的相同行人；另一方面，不同行人在相同拍摄角度(视角)下具有相似的外观，模型容易匹配同一视角下的两个行人。有研究证明，在推理过程中，相比在不同视角下寻找同一行人的正确匹配，模型更容易在相同视角下人匹配两个行人。因此，如何减少视角因素对模型的不良影响具有重要意义。
[0004]目前，对于行人重识别的视角问题，现有的方法大部分采用余弦距离来计算计算两幅图像的相似度，从而来进行行人重识别。余弦距离可以综合外观差异、视角差异、姿态差异、光照差异以及背景差异等因素，但仅通过两幅图像的相似度来进行行人重识别具有局限性，不能准确识别在同一视角下相似行人，也不能准确识别在不同视角下的同一行人，从而无法保证行人重识别的准确性。
技术实现思路
[0005]基于此，有必要针对上述技术问题，提供一种能够有效提高行人重识别准确率的行人重识别方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
[0006]第一方面，本申请提供了一种视频中目标相对运动预测方法。所述方法包括：
[0007]获取待处理视频数据，提取所述待处理视频数据中包含待检测行人的检测框；
[0008]获取所述检测框内待检测行人的特征视角以及所述待检测行人的第一行人特征；
[0009]从预设视角特征库中提取与所述特征视角对应的行人视角，获取所述行人视角下各行人的第二行人特征，得到第二行人特征集，所述特征视角对应的行人视角为与所述特征视角角度数值最接近的行人视角；
[0010]获取所述第一行人特征与所述第二行人特征集中各所述第二行人特征之间的特征相似度，以及所述特征视角与所述行人视角之间的视角相似度；
[0011]根据所述特征相似度与所述视角相似度，确定所述待检测行人的行人重识别结果。
[0012]在其中一个实施例中，所述获取所述检测框内待检测行人的特征视角包括：
[0013]对所述检测框内的待检测行人进行人体姿态估计，确定所述待检测行人的躯干关键点；
[0014]根据所述躯干关键点计算所述待检测行人身体朝向的法向量；
[0015]将所述待检测行人身体朝向的法向量拆分为水平分量以及垂直分量；
[0016]根据所述水平分量以及所述垂直分量，获取所述待检测行人的特征视角。
[0017]在其中一个实施例中，所述获取所述第一行人特征与所述第二行人特征之间的视角相似度包括：
[0018]基于所述特征视角与所述行人视角构建高斯分布图；
[0019]基于所述高斯分布图确定所述第一行人特征与所述第二行人特征之间的视角相似度。
[0020]在其中一个实施例中，所述根据所述特征相似度与所述视角相似度，确定所述待检测行人的行人重识别结果包括：
[0021]根据所述特征相似度与所述视角相似度，确定匹配距离；
[0022]根据所述匹配距离在预设视角特征库中进行筛选，获取所述待检测行人对应的匹配行人；
[0023]根据所述匹配行人对应的行人标识获取所述待检测行人的行人重识别结果。
[0024]在其中一个实施例中，所述根据所述匹配距离在预设视角特征库中进行筛选之后，还包括：
[0025]当所述预设视角特征库中不存在所述待检测行人对应的匹配行人时，生成所述待检测行人对应的行人标识；
[0026]根据所述行人标识将所述待检测行人的特征视角以及第一行人特征保存至所述预设视角特征库。
[0027]在其中一个实施例中，所述根据所述匹配行人对应的行人标识获取所述待检测行人的行人重识别结果之后，还包括：
[0028]当所述待检测行人的特征视角与所述匹配行人的行人视角为相同区间的视角时，获取所述待检测行人的特征视角的第一特征质量值以及所述匹配行人的行人视角的第二特征质量值；
[0029]当所述第一特征质量值大于所述第二特征质量值时，根据所述待检测行人的第一行人特征更新所述预设视角特征库内所述匹配行人的第二行人特征。
[0030]第二方面，本申请还提供了一种行人重识别装置。所述装置包括：
[0031]数据获取模块，用于获取待处理视频数据，提取所述待处理视频数据中包含待检测行人的检测框；
[0032]特征提取模块，用于获取所述检测框内待检测行人的特征视角以及所述待检测行人的第一行人特征；
[0033]视角提取模块，用于从预设视角特征库中提取与所述特征视角对应的行人视角，获取所述行人视角下各行人的第二行人特征，得到第二行人特征集，所述特征视角对应的行人视角为与所述特征视角角度数值最接近的行人视角；
[0034]相似度计算模块，用于获取所述第一行人特征与所述第二行人特征集中各所述第二行人特征之间的特征相似度，以及所述特征视角与所述行人视角之间的视角相似度；
[0035]行人重识别模块，用于根据所述特征相似度与所述视角相似度，确定所述待检测行人的行人重识别结果。
[0036]第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0037]获取待处理视频数据，提取所述待处理视频数据中包含待检测行人的检测框；
[0038]获取所述检测框内待检测行人的特征视角以及所述待检测行人的第一行人特征；
[0039]从预设视角特征库中提取与所述特征视角对应的行人视角，获取所述行人视角下各行人的第二行人特征，得到第二行人特征集，所述特征视角对应的行人视角为与所述特征视角角度数值最接近的行人视角；
[0040]获取所述第一行人特征与所述第二行人特征集中各所述第二行人特征之间的特征相似度，以及所述特征视角与所述行人视角之间的视角相似度；
[0041]根据所述特征相似度与所述视角相似度，确定所述待检测行人的行人重识别结果。
[0042]第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
[0043]获取待处理视频数据，提取所述待处本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种行人重识别方法，其特征在于，所述方法包括：获取待处理视频数据，提取所述待处理视频数据中包含待检测行人的检测框；获取所述检测框内待检测行人的特征视角以及所述待检测行人的第一行人特征；从预设视角特征库中提取与所述特征视角对应的行人视角，获取所述行人视角下各行人的第二行人特征，得到第二行人特征集，所述特征视角对应的行人视角为与所述特征视角角度数值最接近的行人视角；获取所述第一行人特征与所述第二行人特征集中各所述第二行人特征之间的特征相似度，以及所述特征视角与所述行人视角之间的视角相似度；根据所述特征相似度与所述视角相似度，确定所述待检测行人的行人重识别结果。2.根据权利要求1所述的方法，其特征在于，所述获取所述检测框内待检测行人的特征视角包括：对所述检测框内的待检测行人进行人体姿态估计，确定所述待检测行人的躯干关键点；根据所述躯干关键点计算所述待检测行人身体朝向的法向量；将所述待检测行人身体朝向的法向量拆分为水平分量以及垂直分量；根据所述水平分量以及所述垂直分量，获取所述待检测行人的特征视角。3.根据权利要求1所述的方法，其特征在于，所述获取所述特征视角与所述行人视角之间的视角相似度包括：基于所述特征视角与所述行人视角构建高斯分布图；基于所述高斯分布图确定所述特征视角与所述行人视角之间的视角相似度。4.根据权利要求1所述的方法，其特征在于，所述根据所述特征相似度与所述视角相似度，确定所述待检测行人的行人重识别结果包括：根据所述特征相似度与所述视角相似度，确定匹配距离；根据所述匹配距离在预设视角特征库中进行筛选，获取所述待检测行人对应的匹配行人；根据所述匹配行人对应的行人标识，获取所述待检测行人的行人重识别结果。5.根据权利要求4所述的方法，其特征在于，所述根据所述匹配距离在预设视角特征库中进行筛选之后，还包括：当所述预设视角特征库中不存在所述待检测行人对应的匹配行人时，生成所述待检测行...
【专利技术属性】
技术研发人员：罗佩瑶，林晓帆，
申请(专利权)人：影石创新科技股份有限公司，
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。