[发明专利]一种行人再识别方法及设备

权利要求书

1.一种行人再识别方法，其中，所述方法包括：

采用预设图像特征提取算法，对获取的探测行人的训练图像进行特征提取，得到所述探测行人特征向量，并基于所述探测行人特征向量建立训练分类器；

获取待识别行人的测试图像，并采用所述预设图像特征提取算法对所述测试图像进行特征提取，得到待识别行人特征向量；

将所述待识别行人特征向量输入所述训练分类器进行所述待识别行人与所述探测行人是否为同一个人的识别；

其中，所述采用预设图像特征提取算法，对探测行人的训练图像进行特征提取，得到所述探测行人特征向量，包括：

获取所述探测行人的训练图像，并将所述训练图像分为至少一个训练区域，其中，每个所述训练区域包括一个或多个训练补丁，每个所述训练补丁由像素点组成；

分别对所述训练图像中每个像素点进行特征提取，得到所述训练图像中的每个像素点的初始特征向量；

分别在每个所述训练补丁中依序对所述初始特征向量进行高斯分布补丁的建模、对称正定矩阵映射及上三角矩阵处理，得到每个所述训练补丁对应的高斯补丁特征向量；

分别在每个所述训练区域中依序对所述训练补丁特征向量进行高斯分布区域的建模、对称正定矩阵映射、上三角矩阵处理及L2范数归一化处理，得到所述探测行人特征向量。

2.根据权利要求1所述的方法，其中，所述分别对所述训练图像中每个像素点进行特征提取，得到所述训练图像中的每个像素点的初始特征向量，包括：

分别提取所述训练图像中的每个像素点的垂直方向坐标、方向梯度尺寸、RGB色彩特征值及局部二值模式纹理特征，得到所述训练图像中的每个所述像素点的初始特征向量。

3.根据权利要求2所述的方法，其中，所述分别在每个所述训练补丁中依序对所述初始特征向量进行高斯分布补丁的建模、对称正定矩阵映射及上三角矩阵处理，得到每个所述训练补丁对应的训练补丁特征向量，包括：

分别在每个所述训练补丁中基于所述像素点的均值和协方差对所述像素点的初始特征向量进行高斯分布补丁的建模，得到每个所述训练补丁对应的高斯补丁；

分别将每个所述训练补丁对应的高斯补丁映射至对称正定矩阵后，再进行上三角矩阵处理，得到每个所述训练补丁对应的高斯补丁特征向量。

4.根据权利要求3所述的方法，其中，所述分别在每个所述训练区域中依序对所述训练补丁特征向量进行高斯分布区域的建模、对称正定矩阵映射、上三角矩阵处理及L2范数归一化处理，得到所述探测行人特征向量，包括：

分别在每个所述训练区域中，基于所述训练区域在所述训练图像中的权重均值和权重协方差，对所述训练补丁特征向量进行高斯分布区域的建模，得到每个所述训练区域对应的高斯区域；

分别将每个所述训练区域对应的高斯区域映射至对称正定矩阵后，再进行上三角矩阵处理，得到每个所述训练区域对应的高斯区域特征向量；

基于每个所述训练区域对应的高斯区域特征向量进行L2范数归一化处理，得到所述训练图像的探测行人特征向量。

5.根据权利要求4所述的方法，其中，所述训练区域在所述训练图像中的权重均值由所述训练区域中的训练补丁对应的高斯补丁特征向量和是训练补丁在所述训练图像中的权重确定的。

6.根据权利要求1所述的方法，其中，所述训练分类器包括随机森林分类器或支持向量机分类器。

7.一种非易失性存储介质，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行时，使所述处理器实现如权利要求1至6中任一项所述的方法。

8.一种设备，其中，该设备包括：

一个或多个处理器；

非易失性存储介质，用于存储一个或多个计算机可读指令，

当所述一个或多个计算机可读指令被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至6中任一项所述的方法。