[发明专利]基于地图数据的时空联合模型的行人重识别方法及系统

权利要求书

1.一种基于地图数据的时空联合模型的行人重识别方法，其特征在于，包括以下步骤：

步骤a，监控视频数据的采集，包括采集城市区域的监控视频数据，提取包括行人的图像帧；

步骤b，基于步骤a得到的行人图像进行预处理，将每张图像和其他图像配对，构建用于训练孪生网络的图像对；

步骤c，构建孪生网络学习输入图像对的视觉特征；

步骤d，使用交叉熵损失函数对网络计算损失；

步骤e，使用Adam优化方法对网络进行优化，更新孪生网络中的权重和偏置项；

步骤f，构建基于地图数据的时间概率模型；

步骤g，利用步骤c得到的视觉概率，和步骤f得到的时空概率，计算最终的联合时空概率，得到行人重识别结果。

2.根据权利要求1所述基于地图数据的时空联合模型的行人重识别方法，其特征在于：步骤c中，设有图像对x⁽ⁱ⁾,x^(j)，孪生网络包括5层卷积，通过第一个全连接层将图像对的卷积特征图转化为列向量f(x⁽ⁱ⁾)和f(x^(j))，计算图像队特征列向量之间的相似性向量χ(x⁽ⁱ⁾,x^(j))，输入到第二个全连接层，通过激活函数进行非线性处理，得到视觉特征相似概率P(x⁽ⁱ⁾,x^(j))。

3.根据权利要求1所述基于地图数据的时空联合模型的行人重识别方法，其特征在于：步骤f的实现方式为，

对图像涉及到的摄像机进行空间建模，将摄像机位置对应到地图数据中，获取两地之间运动的最小时间差τ_min，

根据图像中携带的时空信息，时空概率为在k,c_i,c_j,τ_min条件下i,j为同一人的概率，表示为：

其中，p_i,p_j分别表示图像i,j对应的身份信息，c_i,c_j表示拍摄图像i,j的相应摄像头的ID编号，k用于标识时间段，表示从摄像头c_i到c_j且时间差落在第k个时间段的行人数量，表示从摄像头c_i到c_j且时间差落在第l个时间段的行人数量。

4.根据权利要求3所述基于地图数据的时空联合模型的行人重识别方法，其特征在于：对时间概率模型使用高斯分布函数进行光滑处理。

5.根据权利要求1或2或3或4所述基于地图数据的时空联合模型的行人重识别方法，其特征在于：步骤g中，设步骤c得到视觉概率记为P，步骤f得到时空概率记为P_ST，最终的联合概率P_joint表示为贝叶斯联合概率如下，

其中，γ,φ为用于平衡视觉概率和时空概率的超参数。

6.一种基于地图数据的时空联合模型的行人重识别系统，其特征在于，包括以下模块：

第一模块，用于监控视频数据的采集，包括采集城市区域的监控视频数据，提取包括行人的图像帧；

第二模块，用于基于第一模块得到的行人图像进行预处理，将每张图像和其他图像配对，构建用于训练孪生网络的图像对；

第三模块，用于构建孪生网络学习输入图像对的视觉特征；

第四模块，用于使用交叉熵损失函数对网络计算损失；

第五模块，用于使用Adam优化方法对网络进行优化，更新孪生网络中的权重和偏置项；

第六模块，用于构建基于地图数据的时间概率模型；

第七模块，用于利用第三模块得到的视觉概率，和第六模块得到的时空概率，计算最终的联合时空概率，得到行人重识别结果。