[发明专利]基于实例分割的目标Re-ID方法、系统、终端和存储介质

权利要求书

1.一种基于实例分割的目标Re-ID方法，其特征在于，包括以下步骤：

S01：输入一组连续的捕获图像，在目标跟踪过程中，同时对每个跟踪目标进行实例分割，获取捕获图像或视频中相同类别中不同的实例；

S02：根据连续的捕获图像或视频中前后帧的实例分割结果进行相似性匹配，匹配成功的目标则根据实例分割的匹配信息来找到帧数在前的一个或多个捕获图像，给予目标相同的目标ID。

2.根据权利要求1所述的基于实例分割的目标Re-ID方法，其特征在于，所述步骤S02：开始于当系统重新启动目标检测时。

3.根据权利要求2所述的基于实例分割的目标Re-ID方法，其特征在于，所述步骤S01中对每个跟踪目标进行实例分割的网络架构包括但不限于MASK-RCNN，FCIS，PANET。

4.根据权利要求3所述的基于实例分割的目标Re-ID方法，其特征在于，所述第一二分类层通过第一后卷积层完成，所述第二二分类层通过第二后卷积层完成；所述第一二分类层为卷积神经网络CNN，第二二分类层为全卷积神经网络FCN。

5.根据权利要求4所述的基于实例分割的目标Re-ID方法，其特征在于，所述步骤S01中实例分割网络架构还包括获得预选区域后先做多层特征融合，再把候选区域映射到特征图像上做二分类语义分割。

6.根据权利要求5所述的基于实例分割的目标Re-ID方法，其特征在于，所述步骤S02中，根据连续的捕获图像或视频中前后帧的实例分割结果进行相似性匹配的方式为：从前帧捕获图像和后帧图像中分别获得追踪目标的包括但不限于尺度、轮廓、纹理、位置等要素信息，各个要素的权重按照追踪目标的类别配比要素的权重，再根据各个要素的权重综合打分之后，将综合打分的分值与预设阈值进行比较，大于阈值则认为匹配成功，小于预设阈值则认为匹配失败。

7.根据权利要求1所述的基于实例分割的目标Re-ID方法，其特征在于，还包括步骤S03：在一组图像中出现后又消失的追踪目标，对于特定的追踪目标类别，将该追踪目标类别中的各个实例保留固定帧数的记忆；对于除特定的追踪目标类别之外的追踪目标，将该追踪目标类别中的各个实例作为消失处理。

8.根据权利要求1所述的基于实例分割的目标Re-ID方法，其特征在于，还包括步骤S04：利用相似性匹配后前面多帧图像中相同实例ID的特征，对当前帧图像的该实例进行修正，用前面多帧图像相同实例ID特征融合结果结合当前帧图像实例特征的结果，使得实例分割与跟踪的过程更加平滑，生成更加通用和鲁棒的特征。

9.一种基于实例分割的目标Re-ID的系统，其特征在于，包括图像采集模块、实例分割模块、相似性匹配模块、赋值模块；

所述图像采集模块用于采集待分析的图像，图像采集模块采集的捕获图像须是随时间递进连续的一组图像；

所述实例分割模块用于将图像采集模块采集到的随时间递进连续的一组图像中每一张图像抽取出分别进行实例分割，得到图像中目标追踪的类别、每个类别中每个实例的标签以及每个实例的各项要素信息；

所述相似性匹配模块用于以实例分割模块实例分割得到图像中目标追踪的类别、每个类别中每个实例的标签以及每个实例的各项要素信息为基础，对一组图像中一个或多个追踪目标分别进行相似度匹配；

所述赋值模块用于给前后帧中相似度匹配成功的实例以相同的ID。

10.根据权利要求9所述的基于实例分割的目标Re-ID的系统，其特征在于，还包括定时器，所述定时器用于给图像采集模块采集图像的时间间隔计数。

11.根据权利要求10所述的基于实例分割的目标Re-ID的系统，其特征在于，所述实例分割模块的网络架构包括但不限于MASK-RCNN，FCIS，PANET。