[发明专利]移动目标的再识别方法及装置

权利要求书

1.一种移动目标的再识别方法，其特征在于，包括：

利用预设训练模型提取第一图像中参照移动目标的第一特征，所述第一图像中仅包括一个移动目标，所述第一特征用于表征所述参照移动目标的整体特征和/或局部特征；

利用所述预设训练模型提取第二图像中待识别移动目标的第二特征，所述第二图像中包括多个移动目标，所述待识别移动目标为所述第二图像中任意一个移动目标，所述第二特征用于表征所述待识别移动目标的整体特征和/或局部特征；

根据所述第一特征以及所述第二特征从所述第二图像的多个移动目标中确定出所述参照移动目标所对应的一个结果移动目标。

2.根据权利要求1所述的移动目标的再识别方法，其特征在于，所述利用预设训练模型提取第一图像中参照移动目标的第一特征，包括：

利用基础分类网络模型提取所述第一图像中所述参照移动目标的第一整体特征，所述第一整体特征表示为N个通道的矩阵，N为大于0的整数；

对所述第一整体特征进行通道去均值处理，得到第一处理结果；

根据所述第一处理结果以及神经网络模型提取所述参照移动目标的第一局部特征；

将所述第一整体特征和所述第一局部特征融合，以确定所述第一特征。

3.根据权利要求2所述的移动目标的再识别方法，其特征在于，所述利用所述预设训练模型提取第二图像中待识别移动目标的第二特征，包括：

利用基础分类网络模型提取所述第二图像中所述待识别移动目标的第二整体特征，所述第二整体特征表示为M个通道的矩阵，M为大于0的整数；

对所述第二整体特征进行通道去均值处理，得到第二处理结果；

根据所述第二处理结果以及所述神经网络模型提取所述待识别移动目标的第二局部特征；

将所述第二整体特征和所述第二局部特征融合，以确定所述第二特征。

4.根据权利要求2所述的移动目标的再识别方法，其特征在于，所述对所述第一整体特征进行通道去均值处理，得到第一处理结果；根据所述第一处理结果以及神经网络模型提取所述参照移动目标的第一局部特征，包括：

根据所述第一整体特征，确定每个通道的矩阵中数据的最大值以及所述最大值的坐标位置；

根据所述坐标位置，应用欧式距离算法，将所有通道聚类为K组，K为大于0的整数；

对所述K组中的每一组通道的矩阵，应用预设的均值算法，确定第一均值特征矩阵；

根据所述第一均值特征矩阵，应用归一化和二值化处理，确定K个特征矩阵；

根据所述K个特征矩阵，应用所述神经网络模型，确定每个特征矩阵的第一权重；

根据所述K个特征矩阵和所述第一权重，确定所述参照移动目标的第一局部特征。

5.根据权利要求3所述的移动目标的再识别方法，其特征在于，所述对所述第二整体特征进行通道去均值处理，得到第二处理结果；根据所述第二处理结果以及所述神经网络模型提取所述待识别移动目标的第二局部特征，包括：

根据所述第二整体特征，确定每个通道的矩阵中数据的最大值以及所述最大值的坐标位置；

根据所述坐标位置，应用所述欧式距离算法，将所有通道聚类为L组，L为大于0的整数；

对所述L组中的每一组通道的矩阵，应用所述均值算法，确定第二均值特征矩阵；

根据所述第二均值特征矩阵，应用所述归一化和所述二值化处理，确定L个特征矩阵；

根据所述L个特征矩阵，应用所述神经网络模型，确定每个特征矩阵的第二权重；

根据所述L个特征矩阵和所述第二权重，确定所述待识别移动目标的第二局部特征。

6.根据权利要求1、3或5所述的移动目标的再识别方法，其特征在于，所述根据所述第一特征以及所述第二特征从所述第二图像的多个移动目标中确定出所述参照移动目标所对应的一个结果移动目标，包括：

根据所述第一特征、所述第二特征以及所述欧式距离算法，确定所述第二图像中的任一移动目标与所述参照移动目标之间的欧式距离值；

对所述欧式距离值排序，以确定最小欧式距离值；

确定所述最小欧式距离值对应的第二特征，以确定所述第二图像中的所述结果移动目标。