[发明专利]一种大数据和贝叶斯相结合的行人重识别方法及装置

说明书

本发明公开了一种大数据和贝叶斯相结合的行人重识别方法及装置，所述方法包括：利用行人图像数据库对行人重识别系统模型进行分布式训练；对查询对象和排名列表中的多个候选对象进行基于贝叶斯查询扩展的重识别再排序；将再排序后的查询对象和候选对象进行PTGAN处理；将进行PTGAN处理后的查询对象和候选对象输入训练好的贝叶斯模型，通过训练数据中的图像距离，计算每个候选对象真实匹配概率，并对候选对象进行重新排序；根据推理线索模型调整行人重识别系统模型的目标参数的参数值；通过将待识别图像输入训练好的行人重识别系统模型，搜索出相似度最高的行人图像。本发明解决了现有技术中的行人重识别方法跨摄像头的检索难度大，重识别准确率低的问题。

技术领域

本发明涉及计算机视觉和智慧城市技术领域，具体涉及一种大数据和贝叶斯相结合的行人重识别方法、装置、终端设备及计算机可读介质。

背景技术

随着人工智能、计算机视觉和硬件技术的不断发展，视频图像处理技术已经广泛应用于智能城市系统中。

行人重识别(Person Re-identification)也称行人再识别，简称为Re-ID。是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术。广泛被认为是一个图像检索的子问题。给定一个监控行人图像，检索跨设备下的该行人图像。由于不同摄像设备之间的差异，同时行人兼具刚性和柔性的特性，外观易受穿着、尺度、遮挡、姿态和视角等影响，使得行人重识别成为计算机视觉领域中一个既具有研究价值同时又极具挑战性的热门课题。

目前来说，虽然行人重识别的检测能力已经显著提升，但是在实际场合中很多具有挑战性的问题还没被完全解决：比如在复杂的场景，光线差异，视角和姿势的改变，大量的行人在一个监控摄像头网络中等情况。在这些情况下，跨摄像头的检索通常难度会很大，同时前期进行视频图像样本训练时的标注工作代价昂贵，需要耗费大量的人力，并且往往现有算法通常无法达到预期效果，重识别准确率较低。

发明内容

有鉴于此，本发明的目的在于提供一种大数据和贝叶斯相结合的行人重识别方法、装置、终端设备及计算机可读介质，能够提高不同摄像头下行人重识别的准确率，解决了现有技术中的行人重识别方法跨摄像头的检索难度大，重识别准确率低的问题。

本发明实施例的第一方面提供了一种大数据和贝叶斯相结合的行人重识别方法，包括：

利用行人图像数据库对行人重识别系统模型进行分布式训练，得到训练之后的所述行人重识别系统模型，其中，所述行人图像数据库包括多个匹配图像组，所述匹配图像组包括至少两个匹配图像；

将查询对象输入所述行人重识别系统模型，得到多个候选对象的排名列表；

对所述查询对象和排名列表中的多个候选对象进行基于贝叶斯查询扩展的重识别再排序；

将再排序后的查询对象和候选对象进行PTGAN处理，实现行人前景不变的前提下实现背景差异区域的迁移；

将进行PTGAN处理后的查询对象和候选对象输入训练好的贝叶斯模型，通过训练数据中的图像距离，计算每个候选对象真实匹配概率，并对所述候选对象进行重新排序；

对进行PTGAN处理后的查询对象和进行重新排序后的候选对象进行多维度特征提取并确定推理线索模型；

使用推理算法对所述推理线索模型进行调整并确定最后的推理线索模型；

根据所述推理线索模型调整所述行人重识别系统模型的目标参数的参数值；

通过将待识别图像输入训练好的行人重识别系统模型，搜索出相似度最高的行人图像。

进一步地，利用行人图像数据库对行人重识别系统模型进行分布式训练，得到训练之后的所述行人重识别系统模型，包括：