[发明专利]一种行人重识别方法、装置及系统

说明书

本申请公开了一种行人重识别方法、装置及系统，所述方法包括：收集两个摄像头下的每个行人的目标图像，并根据收集的目标图像组成训练样本和测试样本；将所述训练样本按照模态进行分割，以得到各模态对应的分割数据；针对每个分割数据进行分组，并基于分组后的数据得到每个模态对应的距离度量。本申请实现了在开集中学习一个距离度量，该距离度量可以在存在于开集中的复杂非线性模型中找到查询的匹配，并且，通过得到的距离度量可以快速查找到目标用户，在行人重识别领域取得了较好的准确率。

技术领域

本申请涉及视频监控领域，特别涉及一种行人重识别方法、装置及系统。

背景技术

目前，开集行人重识别方法是利用公开的闭集数据集学习距离度量，这些公共闭集数据集与开集数据集有很大的不同，并忽略某些开集的情况，即被观察者在不同摄像头视角下的部分重叠或完全不重叠。因此，现有技术中不能解决开集行人重识别问题的度量。

现有技术中，这些度量都是使用闭集行人重识别数据集学习的，而开集行人重识别数据集与闭集行人重识别数据集完全不同，其中不需要在网络的第m个摄像头视图中观察第n个人，以及所有m个视图都有相同的n个观察人数，因此，当在闭集行人重识别的约束下学习一个度量时，仍然无法发现现实世界中复杂的数据关系，即在m个视图的网络中，第n个人可能在网络的cam 1中捕捉到实例，而在cam 3和cam 5中网络上没有第n个人的实例，这种度量无法模拟当在图库中没有匹配的查询，或者也无法度量在一对摄影机视图中完全没有人的身份重叠的复杂情况。

进一步，这些度量没有考虑到开集中存在的非线性复杂模态。这些非线性模型存在于开集图像空间中，是由于拍摄图像的视点、背景和光照变化的随机非线性变化，以及在大型摄像机网络中拍摄的图像中存在拥挤的场景和遮挡。在这种情况下，当学习的度量既不能同时处理非线性模型，又不能模拟开集数据样本的复杂性时，当在大规模的现实网络中进行测试时，其性能会大大降低。

因而现有技术还有待改进和提高。

发明内容

本申请要解决的技术问题在于，针对现有技术的不足，提供一种行人重识别方法、装置及系统，以解决现有技术中行人重识别度量方法没有考虑到开集中存在的非线性复杂模态，而当在大规模的现实网络中进行测试时，其性能会大大降低的问题。

本申请所采用的技术方案如下：

第一方面，本申请实施例提供了一种行人重识别方法，其包括：

获取第一场景下的第一目标图像，提取所述第一目标图像对应的第一颜色特征和第一纹理特征；

根据所述第一颜色特征和所述第一纹理特征确定所述第一目标图像所处的第一模态；

根据预设的模态与距离度量关系确定所述第一模态对应的第一度量；

获取各第二场景下所有第二目标图像，提取各所述第二目标图像对应的第二颜色特征和第二纹理特征；

将所述第一颜色特征和第一纹理特征，以及各第二目标图像对应的第二颜色特征和所述第二纹理特征输入至所述第一度量，以得到若干特征距离，其中，若干所述特征距离包括第一目标图像与各第二目标图像的特征距离；

选取所述若干特征距离中最小值对应的第三目标图像，并判定所述第三目标图像与所述第一目标图像为同一人。

第二方面，本申请实施例提供了一种行人重识别装置，所述装置包括：

第一获取模块，用于获取第一场景下的第一目标图像，提取所述第一目标图像对应的第一颜色特征和第一纹理特征；

模态确定模块，用于根据所述第一颜色特征和所述第一纹理特征确定所述第一目标图像所处的第一模态；

度量确定模块，用于根据预设的模态与距离度量关系确定所述第一模态对应的第一度量；