[发明专利]基于人体解析与衣着颜色相结合的行人重识别方法及系统

说明书

本申请公开了基于人体解析与衣着颜色相结合的行人重识别方法及系统，包括：获取待识别的目标行人图像；将待识别目标行人图像，输入到预先构建的人体解析模型中，输出待识别目标行人的身体部位类别；对待识别目标行人图像，提取各类别身体部位的颜色特征；依据提取的各类别身体部分的颜色特征，从候选图片中识别出目标行人。

技术领域

本申请涉及计算机视觉技术领域，特别是涉及基于人体解析与衣着颜色相结合的行人重识别方法及系统。

背景技术

本部分的陈述仅仅是提到了与本申请相关的背景技术，并不必然构成现有技术。

行人重识别(Person Re-identification,ReID)是指在非重叠视域的多摄像头网络中进行的行人匹配，即某个特定的行人被监控摄像头在某一时刻捕捉到图像后通过计算机将该图像作为样本图像去检索其他摄像头中是否包含该行人的踪迹，因此行人重识别问题亦称为非重叠视域摄像头网络中的行人检索问题，也被称为跨镜头追踪技术。在2005年Zajdel等人在多镜头追踪中引入了行人重识别，但是Gheissari等人在2006年的CVPR第一次以独立的视觉任务被提出后，此后的相关研究才开始大量的出现。

人脸识别技术经过近几年的发展，已较为成熟，在众多的场景与产品中都已有应用，但人脸识别技术只能用到人体的人脸信息，放弃了人体其他重要信息的利用，例如衣着、姿态、行为等，另外在应用时必须要有清晰的人脸正面照片，但在很多场景下无法满足要求，例如低头、背影、模糊身形、帽子遮挡等。而跨镜头追踪技术正好能够弥补人脸识别的这些不足，行人重识别能够根据所追踪行人的附属物品、容貌姿态及着装等信息去辨别所检索的行人。正因为近年来国家对安防产业的愈加重视，跨镜头追踪已成为安防领域的重要研究方向，这也是人工智能的认知水平逐渐提高的重要体现。

行人重识别起初是利用颜色、纹理等手工图像特征表述进行研究，由于高维视觉特征不能在样本改变时获取不变因素，因此这些行人重识别模型中最为关键的因素是距离的度量，即通过度量学习获取ROI(Region Of Interest，感兴趣区域)的判别性特征。但是行人重识别算法若基于手工特征的话，度量学习和特征提取这两步是分离使用的，无法相互利用二者间的相关信息，因此无法取得最佳性能。

目前，大量的行人重识别研究均基于深度学习开展进行。厦门大学钟准、郑良参与指导的团队，通过CycleGAN完成图像风格迁移，在训练集中增加更多样本来了解摄像机之间的风格差异，解决个人身份识别中的数据稀缺问题，并学习不同摄像机之间的不变特征。北京大学高文团队提出了一种针对ReID的生成式对抗网络PTGAN，这种网络可以对ReID的不同数据集进行行人图片的背景迁移，即确保包含行人自身的前景不变而将背景转换成特定数据集的背景风格。中科院自动化所孙哲南课题组主要针对partial ReID问题，对有遮挡情况下的重识别问题进行相关研究。他们提出的算法通过卷积神经网络(ConvolutionalNetural Network,CNN)网络进行图像空间域的重新构建，把输出空间域特征图与输入图像尺寸保持一致。自动化所侯增广课题组王贯安博士的论文，他提出通过联合像素和特征对齐来解决夜间行人重识别问题，论文中的AlignGAN方法比其他方法具有明显的优势。

在实现本申请的过程中，发明人发现现有技术中存在以下技术问题：

虽然研究人员在行人重识别方向上取得了大量卓有成效的成果，但是与此同时，深度学习在行人重识别方向的落地也存在着许多问题，如在实际场景中行人衣物会受到光照、角度、遮挡、清晰度等多种条件影响，传统方法对行人衣物和相关属性识别十分困难。

发明内容

为了克服上述深度学习对传统颜色特征识别性能较差的技术不足，，本申请提供了基于人体解析与衣着颜色相结合的行人重识别方法及系统；

第一方面，本申请提供了基于人体解析与衣着颜色相结合的行人重识别方法；

基于人体解析与衣着颜色相结合的行人重识别方法，包括：