[发明专利]一种行人重识别方法、装置及可读存储介质

说明书

本发明公开了一种行人重识别方法，该方法包括以下步骤：获取待识别的行人图像，将行人图像输入学习模型中；其中，学习模型为利用交叉学习策略，对不同摄像头采集的行人图像数据进行学习后，获得的模型；利用学习模型中的投影矩阵，计算行人图像的图像特征；利用目标字典，对图像特征进行稀疏编码，获得编码结果；目标字典为学习模型对行人图像数据进行字典学习后，输出的字典；计算编码结果的系数向量，并利用分类器对系数向量进行识别分类，获得行人图像的识别结果。可提升行人图像的识别结果的准确率。本发明还公开了一种行人重识别装置和可读存储介质，具有相应的技术效果。

技术领域

本发明涉及图像识别技术领域，特别是涉及一种行人重识别方法、装置及可读存储介质。

背景技术

在图像识别技术领域中，如何在视频图像中更好地识别出特定的行人图像，主要涉及行人重识别方法。行人重识别方法是基于研究多个摄像头观察到的非重叠行人图像，实现不同图像中的同一行人目标的图像匹配任务。它在如智能家居、安防和视频监控等许多安全应用中起到了关键性的作用，为企业和政府节省了大量的人力物力。

近年来，许多研究工作一直致力于开发简单有效的解决方案。现有的行人重识别方法主要包括距离学习方法，度量学习方法和特征学习方法等。其中特征学习方法是从行人图像中提取具有判别性的特征，然后在特征空间中进行行人图像匹配任务(判别性的特征主要包括颜色信息特征，纹理信息特征，显著性信息特征和空间信息特征等)。

现有的特征学习方法在行人重识别问题上面取得了很好的表现效果。然而，由于在复杂现实世界场景中，行人图像受到各种各样的限制条件(例如存在较大的照明变化或遮挡情况)，现有的行人重识别方法学习到的图像特征或图像相似度的表示能力是有限的。主要原因在于学习到的特征表示的判别性不够明显；此外，现有大多数方法要么专注于从单个图像中学习局部特征，要么直接学习全局特征，这样往往忽略了局部特征和全局特征之间的信息，不利于行人图像特征表示的学习，继而导致行人重识别准确率较低，使得行人重识别结果不具备实用性。

综上所述，如何有效地提高行人重识别的准确率等问题，是目前本领域技术人员急需解决的技术问题。

发明内容

本发明的目的是提供一种行人重识别方法、装置及可读存储介质，以提高行人重识别的准确率。

为解决上述技术问题，本发明提供如下技术方案：

一种行人重识别方法，包括：

获取待识别的行人图像，将所述行人图像输入学习模型中；其中，所述学习模型为利用交叉学习策略，对不同摄像头采集的行人图像数据进行学习后，获得的模型；

利用所述学习模型中的投影矩阵，计算所述行人图像的图像特征；

利用目标字典，对所述图像特征进行稀疏编码，获得编码结果；所述目标字典为所述学习模型对所述行人图像数据进行字典学习后，输出的字典；

计算所述编码结果的系数向量，并利用分类器对所述系数向量进行识别分类，获得所述行人图像的识别结果。

优选地，在利用目标字典的投影矩阵之前，还包括：

获取所述行人图像数据，并利用所述交叉重构策略对所述行人图像数据进行预处理，获得目标行人图像数据；

对所述目标行人图像数据进行投影，获得投影数据集；

利用所述投影数据集，进行字典学习，并建立字典学习模型；

通过正则化策略优化训练所述字典学习模型，获得所述学习模型；

采用求解约束问题的最优化方法对所述学习模型进行求解，获得所述目标字典。

优选地，所述获取所述行人图像数据，包括：