[发明专利]一种基于行人再识别的病例活动轨迹监测方法

说明书

本发明公开了一种基于行人再识别的病例活动轨迹监测方法，包括以下步骤：对视频进行预处理，将视频分割为连续的帧，进行统一初始化；基于PyTorch搭建一个基于视频序列的局部对齐行人再识别框架；将MARS行人再识别数据集划分为训练集和测试集两部分，加载训练集对神经网络进行训练；采用MARS测试集对训练得到的模型进行测试，寻找最优模型；在不同场景中获取待查询的行人图像/视频，计算与目标视频库中特征距离最近的若干项作为匹配项，依据拍摄位置信息获取行人轨迹。对现有的行人再识别算法进行改进优化，解决特征提取不鲁棒、准确率低的问题，将行人再识别技术应用到轨迹监测上，方便快速地追踪到潜在被传染者，从而为疫情的防控带来便捷。

技术领域

本发明涉及计算机视觉图像检索技术领域，尤其是涉及一种基于行人再识别的病例活动轨迹监测方法。

背景技术

随着新冠疫情进入常态化防控阶段，对于疑似或确诊病例的活动轨迹调查与追踪成为了必不可少的一步。及时有效的获取疑似或确诊病例近期活动区域对于筛查病例的密切接触者、控制疫情的进一步传播有着至关重要的作用。然而对病例进行人工询问来获取活动轨迹可能存在位置不够准确、遗漏、可信度低等问题；采用人工查阅监控设备进行确认又需要耗费大量的人力和时间，效率低下。因此设计一项病例活动轨迹监测方法能为新冠疫情的防控工作带来巨大的便利。

现有与之相关的技术可以分为两类：行人再识别算法、轨迹监测技术。(1)行人再识别算法方面，现有中国专利文献公开了申请号为CN201910198300.8的一种基于深度学习的行人再识别算法，该算法将图像硬分割成不同区域，提取局部特征再融合。但该方法仅采用单一图像，而现实场景中更常用的视频类型能提供更丰富的行人特征。并且不同行人在图像中的位置存在差异，无差别的硬分割会带来行人局部区域的不对齐，导致提取的特征不够鲁棒。(2)轨迹监测技术方面，现有中国专利文献公开了申请号为CN201910829497.0的基于图像识别的城市宠物活动轨迹监测方法及相关设备，该专利采用了Fast RCNN分类和光流法修正目标特征，通过特征之间相似度的计算来识别宠物，最后结合拍摄时间、监控地点信息来分析出轨迹。相比之下行人再识别拥有更加复杂的场景(如：街道中行人数量庞大，远远超过宠物数量)和更加多变的特征(如：相同行人的衣着外貌会存在变化)，准确识别的难度更大。目前为止，尚无技术尝试将行人再识别技术应用到活动轨迹监测，也未挖掘其对流行病防控的应用前景。

发明内容

发明目的：为了克服背景技术的不足，本发明公开了一种基于行人再识别的病例活动轨迹监测方法，能够快速获取疑似或确诊病例的活动轨迹，进而追踪到潜在被传染者，为疫情的防控带来便捷。

技术方案：本发明公开了一种基于行人再识别的病例活动轨迹监测方法，包括以下步骤：

S1、利用组网摄像头获取行人视频信息，采用目标检测算法检测出行人，采用目标跟踪算法获得一系列行人检测框，对视频进行预处理，将视频分割为连续的帧，所有帧进行统一初始化；

S2、基于PyTorch搭建一个基于视频序列的局部对齐行人再识别框架；

S3、将MARS行人再识别数据集划分为训练集和测试集两部分，加载训练集对神经网络进行训练；

S4、采用MARS测试集对训练得到的模型进行测试，寻找最优模型；

S5、在不同场景中获取待查询的行人图像/视频，计算与目标视频库中特征距离最近的若干项作为匹配项，依据拍摄位置信息获取行人轨迹。

其中，S2包括：

S2.1提取具有判别力的局部参照特征，为局部特征对齐提供基准；

S2.2采用了基于关联度的注意力机制；

S2.3根据注意力权重来分解局部特征。

进一步的，所述S2.1中局部参照特征的提取方法包括：