[发明专利]基于视频序列的行人再识别方法、装置及计算机设备

权利要求书

1.一种基于视频序列的行人再识别方法，所述方法包括：

构建残差网络，通过数据集中的训练样本对所述残差网络进行训练得到特征提取网络；

将数据集中的测试样本输入到所述特征提取网络中得到所述测试样本中行人目标序列的特征矩阵；

通过所述行人目标序列的特征矩阵根据基于视频序列时间的动态时间规整算法计算查询序列和待匹配序列的距离，输出基于视频序列的行人再识别结果；具体包括：分别计算出查询序列和待匹配序列的长度；将所述待匹配序列做变换，得到变换后的多个待匹配视频序列；依次计算所述查询序列与所述多个待匹配视频序列的DTW距离；

其中，所述基于视频序列时间的动态时间规整算法的步骤包括：

查询序列的特征矩阵待匹配序列之一的特征矩阵其中代表行人目标序列p的第i张图片的2048维特征向量，代表行人目标序列q的第i张图片的2048维特征向量；

求出行人目标查询序列的特征矩阵S_p和待匹配行人目标序列的特征矩阵S_q的长度分别为N和M，N＝length(S_p)，M＝length(S_q)，其中length函数是求序列的长度；

假设M≤N，将待匹配序列的特征矩阵S_q做变换，得到待匹配序列S_q变换后的M个视频序列其中代表S_q变换M次后得到的M个特征矩阵的集合，代表S_q变换t个单位后得到的特征矩阵，其中mod代表求余函数，t＝0,1,2,...,M-2,M-1；

根据查询序列与待匹配的M个序列依次算出DTW距离，求出最值其中DTW为动态时间规整算法的函数，输入行人目标序列的特征矩阵，输出为这个目标序列之间的距离。

2.根据权利要求1所述的基于视频序列的行人再识别方法，其特征在于，在所述构建残差网络的步骤之前还包括：

获取原始数据集进行数据准备，通过结构化稀疏表示后的行人目标序列。

3.根据权利要求1所述的基于视频序列的行人再识别方法，其特征在于，所述构建残差网络，通过数据集中的训练样本对所述残差网络进行训练得到特征提取网络的步骤还包括：

构建基于视频序列的特征映射Resnet50网络模型；

将不同目标不同序列测试数据以及同一目标不同序列测试数据分别输入到所述Resnet50网络模型中进行测试；

根据测试的结果对模型中的参数进行调整直至测试结果符合要求，得到训练好的Resnet50网络模型。

4.根据权利要求1所述的基于视频序列的行人再识别方法，其特征在于，所述将数据集中的测试样本输入到所述特征提取网络中得到所述测试样本中行人目标序列的特征矩阵的步骤还包括：

将包含至少一张图像的视频目标序列输入到所述特征提取网络中；

对于每一个所述视频目标序列中的一张图像，通过所述特征提取网络生成一个对应的特征向量；

将每一个所述视频目标序列映射为一个特征矩阵。

5.根据权利要求1所述的基于视频序列的行人再识别方法，其特征在于，所述依次计算所述查询序列与所述多个待匹配视频序列的DTW距离的步骤包括：

计算所述查询序列和待匹配视频序列的距离矩阵；

计算所述查询序列和待匹配视频序列的过渡距离矩阵；

根据所述距离矩阵和过渡距离矩阵计算所述查询序列和待匹配视频序列的累计距离矩阵；

根据所述累计距离矩阵计算所述查询序列和待匹配视频序列的DTW距离；

通过重复执行上述计算步骤得到所述查询序列与所述多个待匹配视频序列的DTW距离。

6.根据权利要求1所述的基于视频序列的行人再识别方法，其特征在于，在所述依次计算所述查询序列与所述多个待匹配视频序列的DTW距离步骤之后还包括：

将所述查询序列与所述多个待匹配视频序列的DTW距离的最小值作为所述查询序列和待匹配序列的最终距离；

分别计算查询序列和所有待匹配序列的距离。