[发明专利]行人再识别方法、系统及计算机可读存储介质

权利要求书

1.一种行人再识别方法，其特征在于，包括以下步骤：

S100：获取标定数据集，并训练所述标定数据集以形成分割模型；

S200：采集行人图像，基于所述分割模型对所述行人图像进行背景分割，以获得包含行人的前景图像和包含背景的环境图像；

S300：提取包含行人的所述前景图像中行人的身形关键点，基于所述身形关键点对所述前景图像分割，形成至少两个感兴趣区域ROI；

S400：基于特征提取模型，分别对所述前景图像及每一感兴趣区域ROI进行特征提取，获得基于所述前景图像的全局特征及基于每一感兴趣区域ROI的加权特征，并将所述全局特征与加权特征串联构成多维特征向量；

S500：将所述多维特征向量与对目标行人提取的特征进行相似度对比，以确定所述前景图像包含的行人是否为所述目标行人。

2.如权利要求1所述的行人再识别方法，其特征在于，

获取标定数据集，并训练所述标定数据集以形成分割模型的步骤S100包括：

S110：获取图像标定等级为像素级标定的标定数据集；

S120：利用深度学习基于Mask_RCNN构建语义分割的分割模型。

3.如权利要求1所述的行人再识别方法，其特征在于，

采集行人图像，基于所述分割模型对所述行人图像进行背景分割，以获得包含行人的前景图像和包含背景的环境图像的步骤S200包括：

S210：采集行人图像，将每一所述行人图像修改至一预设像素大小；

S220：基于分割模型对行人图像进行背景分割，输出前景图像及环境图像，其中所述前景图像及环境图像为掩膜二值图像。

4.如权利要求1所述的行人再识别方法，其特征在于，

提取包含行人的所述前景图像中行人的身形关键点，基于所述身形关键点对所述前景图像分割，形成至少两个感兴趣区域ROI的步骤S300包括：

S310：基于先验知识构建人体姿态模型；

S320：根据人体姿态模型提取所述行人的骨架关键点作为所述身形关键点；

S330：将所述身形关键点与所述行人对齐，并基于身形关键点的头肩区域、上半身区域、左腿区域和右腿区域对所述前景图像分割，形成四个感兴趣区域ROI。

5.如权利要求4所述的行人再识别方法，其特征在于，

将所述身形关键点与所述行人对齐，并基于身形关键点的头肩区域、上半身区域、左腿区域和右腿区域对所述前景图像分割，形成四个感兴趣区域ROI的步骤S330包括：

S331：计算每一身形关键点的平均置信度；

S332：将所述平均置信度作为每一感兴趣区域ROI的权重系数；

将所述全局特征与加权特征串联构成多维特征向量的步骤S400包括：

S400-1：将所述加权特征乘以所述权重系数后与所述全局特征串联融合。

6.如权利要求1所述的行人再识别方法，其特征在于，

基于特征提取模型，分别对所述前景图像及每一感兴趣区域ROI进行特征提取，获得基于所述前景图像的全局特征及基于每一感兴趣区域ROI的加权特征，并将所述全局特征与加权特征串联构成多维特征向量的步骤S400包括：

S410：以ResNet50为基础网络，于所述基础网络内构建第一分支及第二分支；

S420：所述第一分支提取所述前景图像的全局特征，所述第二分支提取每一感兴趣区域ROI的加权特征；

S430：将所述全局特征及加权特征与全卷积网络特征提取层串联。