[发明专利]行人重识别方法、装置及电子设备

说明书

本发明涉及计算机视觉技术领域，具体涉及一种行人重识别方法、装置及电子设备。其中，方法包括：获取第一行人图像和至少一帧第二行人图像；将所述第一行人图像以及所述第二行人图像输入行人重识别模型，得到对应于行人人体结构的多个局部特征，以及各行人局部特征之间的相似度；根据所述各行人局部特征之间的相似度以及各局部特征对应的权值，计算行人的目标相似度；其中，所述权值表示各局部特征在行人重识别过程中的重要程度；基于所述行人的目标相似度，确定行人重识别结果。本发明按照各局部特征在识别过程中的重要程度，赋予相应的权值，最后利用各行人局部特征之间的相似度以及对应的权值，得到目标相似度，识别精度更高、容错率更高。

技术领域

本发明涉及计算机视觉技术领域，具体涉及一种行人重识别方法、装置及电子设备。

背景技术

现今社会对于公共安全的重视程度逐步增加，智能视频监控被广泛应用于学校、商城、公园和交通运输等公共场所，以辅助城市安全管理。而视频监控系统的规模也日益庞大，对未授权的人进行活动干预与预警是视频监控系统中的重要部分之一。

监控视频由于摄像头分辨率不高和拍摄角度的缘故，且行人之间相互遮挡问题广泛存在，通常无法得到质量和分辨率非常高的正面人脸图片。在实际场景中，行人的多变性、各种干扰和实际场景中的不确定因素增加，导致检测和识别难度较大，不同外观、视角、姿态各异的行人检测精度较低。在人脸识别失效的情况下，使用人体的结构信息对行人进行识别，能够通过不同的摄像头实现跨时间和空间对目标人体或人群进行跟踪、匹配和身份鉴定，从而有效弥补固定摄像头的视觉局限。

但是发明人发现，现有技术中利用人体结构信息进行识别的方案中，通常只对设定的人体结构进行识别，比如只对人脸或只对全身进行识别，当图像中人脸被遮挡、全身图像不全或错位的情况下，该方案的识别精度将有所下降甚至直接失效。

发明内容

有鉴于此，本发明实施例提供了一种行人重识别方法、装置及电子设备，以解决现有技术中只对人脸或全身进行识别导致识别精度低的问题。

根据第一方面，本发明实施例提供了一种行人重识别方法，包括：获取第一行人图像和至少一帧第二行人图像；其中，所述第一行人图像与所述至少一帧第二行人图像由覆盖区域不同的监控摄像头拍摄得到；将所述第一行人图像以及所述第二行人图像输入行人重识别模型，得到对应于行人人体结构的多个局部特征，以及各行人局部特征之间的相似度；根据所述各行人局部特征之间的相似度以及各局部特征对应的权值，计算行人的目标相似度；其中，所述权值表示各局部特征在行人重识别过程中的重要程度；基于所述行人的目标相似度，确定行人重识别结果。

可选地，所述基于所述行人的目标相似度，确定行人重识别结果，包括：判断所述目标相似度是否大于第一相似度阈值；当所述目标相似度大于所述第一相似度阈值时，确定对应的第二行人图像中的行人与所述第一行人图像中的行人为同一目标行人。

可选地，所述当所述目标相似度大于所述第一相似度阈值时，还包括：根据大于所述第一相似度阈值的目标相似度对应的第二行人图像，获取所述目标行人的时空信息。

可选地，所述根据所述各行人局部特征之间的相似度以及各局部特征对应的权值，计算行人的目标相似度，包括：将所述相似度按照其对应的局部特征的权值大小进行排序；按照从大到小的顺序，逐次判断所述相似度是否大于第二相似度阈值；当存在相似度大于所述第二相似度阈值时，将该相似度对应的权值置为1，其他相似度的权值置为0，计算所述目标相似度；当所有相似度均不大于所述第二相似度阈值时，按照预设配置规则对每个相似度配置权值，利用各行人局部特征之间的相似度和对应的权值进行加权求和得到所述目标相似度。

可选地，所述行人重识别模型包括：特征提取模块、注意力模块、图神经网络模块。