[发明专利]基于深度网络和字典学习的行人目标检测与重识别方法

说明书

本发明公开了一种基于深度网络和字典学习的行人目标检测与重识别方法，包括：1)使用不同场景的两个摄像机，构建行人数据集；2)为每个摄像机构建一个改进型SSD网络；3)对行人特征提取子网络输出的行人特征，构建共同的半监督迁移字典学习模块；4)利用行人数据集训练两个改进型SSD网络和半监督迁移字典学习模块，获得端到端的行人目标检测与重识别系统；5)将待识别的行人图像或视频输入行人目标检测与重识别系统，输出行人目标检测和重识别结果。本发明实现了行人目标检测与重识别的端到端系统模型，充分利用无标记训练样本参与深度网络和字典的学习，有效增强行人目标检测与重识别能力。

技术领域

本发明属于图像处理技术领域，具体涉及一种基于深度网络和字典学习的行人目标检测与重识别方法。

背景技术

近年来，越来越多的监控摄像机被部署到各类公共场所中，视频监控在打击违法犯罪、维护社会安全等方面正发挥着越来越重要的作用。在视频监控的应用中，针对特定行人目标的检测与重识别具有重要的需求。

行人目标检测技术用于在单个监控摄像机中进行精确定位和识别行人目标；行人重识别技术用于判断在不同监控摄像机下出现的行人是否是同一个人；将这两个技术结合在一起，可以在视频监控网络中快速定位到感兴趣的特定行人目标。

一般行人目标检测与重识别系统包括行人目标检测和行人重识别两个子系统。传统的做法是将这两个子系统分割成两个步骤，先由行人目标检测子系统处理目标检测，然后将检测结果交给行人重识别子系统，重识别子系统根据检测结果提取行人特征表示，再利用行人特征表示进行重识别。这种分两步走的策略割裂了目标检测和重识别过程，前面的目标检测一旦出错会严重影响后面的重识别的识别效果。

目前实际使用的部分监控摄像机只对感兴趣的目标拍摄不连续的图像或连续的视频。在人工智能领域，通常是将视频转换为连续的视频帧图像进行处理。因此，从通用性和实用性角度考虑，行人目标检测与重识别系统应该既能够处理行人图像又能够处理行人视频。

发明内容

发明目的：针对以上问题，本发明提出一种基于深度网络和字典学习的行人目标检测与重识别方法，既可以使用行人图像数据，又可以使用行人视频数据，将行人目标检测与行人特征提取和重识别并行进行，降低目标检测结果对重识别的影响，并充分利用无标记训练数据参与深度网络和字典的学习，提升整个系统模型的泛化能力，提高行人目标检测和重识别的精确度。

技术方案：为实现本发明的目的，本发明所采用的技术方案是：一种基于深度网络和字典学习的行人目标检测与重识别方法，具体包括如下步骤：

S1：获取第一摄像机拍摄的行人图像数据与行人视频数据，并对所述行人图像数据和行人视频数据进行预处理，根据预处理后的所述行人图像数据与行人视频数据构建第一有标记训练集、第一无标记训练集和第一验证集；获取第二摄像机拍摄的行人图像数据与行人视频数据，进行上述相同的预处理，并构建第二有标记训练集、第二无标记训练集和第二验证集；

S2：为第一摄像机和第二摄像机分别构建各自对应的改进型SSD网络，所述改进型SSD网络包括基础网络、多尺度网络、行人特征提取子网络、行人部件识别子网络、定位子网络和定位预测框筛选模块；

S3：为第一摄像机和第二摄像机各自对应的改进型SSD网络的行人特征提取子网络输出的行人特征，构建共同的半监督迁移字典学习模块；

S4：利用第一有标记训练集、第一无标记训练集和第一验证集训练S2中为第一摄像机构建的改进型SSD网络以及S3中构建的半监督迁移字典学习模块，同时利用第二有标记训练集、第二无标记训练集和第二验证集训练S2中为第二摄像机构建的改进型SSD网络以及S3中构建的半监督迁移字典学习模块，得到端到端的行人目标检测与重识别系统；

S5：将待识别的行人图像或行人视频进行预处理后，输入至S4所述行人目标检测与重识别系统，得到行人目标检测与重识别结果。