[发明专利]一种基于图像增强技术的行人重识别方法、装置及系统

说明书

本发明提供一种基于图像增强技术的行人重识别方法、装置及系统，用于解决现有行人重识别方法存在的对模糊和遮挡行人图像的识别率较低，用户体验性较差的技术问题，所述方法包括：对第一待识别行人图像进行图像增强处理，获得第二待识别行人图像；根据预训练模型，对第二待识别行人图像进行特征提取处理，获得第二待识别行人图像的第一特征向量；对第一特征向量进行降维处理，获得第二待识别行人图像的第二特征向量；根据第二特征向量以及测试样本图像集对应的特征向量集，对第二待识别行人图像进行特征匹配处理，获得第二待识别图像的行人重识别结果。

技术领域

本发明涉及数字图像处理技术领域，尤其涉及一种基于图像增强技术的行人重识别方法、装置及系统。

背景技术

行人重识别(Person re-identification)也称行人再识别，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。随着视频监控的快速发展，行人重识别在智能监控中起到越来越重要的作用。

对于行人重识别的问题，通常步骤是先提取行人的特征，对行人的特征进行距离度量得到相似性得分，然后根据相似性得分进行排序，最终得到行人的身份。但在现实生活中，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，导致所采集到的一些行人图像存在着不同程度的模糊或遮挡，而常用的行人重识别方法主要是针对清晰行人图像，并没有考虑对模糊和遮挡行人图像进行处理，少数针对模糊和遮挡行人图像的行人重识别方法计算量又非常大，且对硬件资源要求很严格，不可广泛应用于智能视频监控、智能安保等领域。可见，现有行人重识别方法存在对模糊和遮挡行人图像的识别率较低，用户体验性较差的问题。

发明内容

本申请实施例提供一种基于图像增强技术的行人重识别方法、装置及系统，用于解决现有行人重识别方法存在的对模糊和遮挡行人图像的识别率较低，用户体验性较差的技术问题。

第一方面，为解决上述技术问题，本申请实施例提供一种基于图像增强技术的行人重识别方法，该方法的技术方案如下：

对第一待识别行人图像进行图像增强处理，获得第二待识别行人图像；

对第一训练样本图像集中的训练样本图像进行随机擦除处理，获得第二训练样本图像集，其中，所述随机擦除处理为随机选取图像中随机大小的矩形区域，将随机像素值赋值给所述矩形区域内的像素；

将所述第二训练样本图像集输入到深度神经网络模型中进行训练，获得预训练模型，并根据所述预训练模型，对所述第二待识别行人图像进行特征提取处理，获得所述第二待识别行人图像的第一特征向量，其中，所述预训练模型为训练样本图像及特征向量的函数关系模型；

对所述第一特征向量进行降维处理，获得所述第二待识别行人图像的第二特征向量；

根据所述第二特征向量以及测试样本图像集对应的特征向量集，对所述第二待识别行人图像进行特征匹配处理，获得所述第二待识别图像的行人重识别结果。

在本申请实施例中，首先对第一待识别行人图像进行图像增强处理，获得第二待识别行人图像，其次对第一训练样本图像集中的训练样本图像进行随机擦除处理，获得第二训练样本图像集，再将第二训练样本图像集输入到深度神经网络模型中进行训练，获得预训练模型，并根据预训练模型，对第二待识别行人图像进行特征提取处理，获得第二待识别行人图像的第一特征向量，对第一特征向量进行降维处理，获得第二待识别行人图像的第二特征向量，根据第二特征向量以及测试样本图像集对应的特征向量集，对第二待识别行人图像进行特征匹配处理，获得第二待识别图像的行人重识别结果。通过对第一待识别行人图像进行图像增强处理以及对第一训练样本图像集中的训练样本图像进行随机擦除处理，突出第一待识别行人图像中某些需要的信息，削弱或去除某些不需要的信息，同时增加训练样本图像集中的遮挡行人图像数量，从而提高对模糊和遮挡行人图像的识别率。