[发明专利]一种高效的基于相似度的跨摄像头的目标重识别方法

权利要求书

1.一种高效的基于相似度的跨摄像头的目标重识别方法，其特征在于，包括：

通过两个摄像头拍摄到两张图片，分别对两张图片进行目标检测，得到对应的两组目标检测结果；其中，一组目标检测结果包括A个待匹配目标，另一组目标检测结果包括B个待匹配目标；分别对两组待匹配目标进行特征提取，得到每个待匹配目标的特征向量；不同组的待匹配目标两两配对，并根据特征向量计算相似度分数，得到A*B个匹配对及其相似度分数，相似度分数在[0,1]之间；

针对双方均未匹配的匹配对，每次只取其中相似度分数较高的一部分匹配对，按照相似度分数从大到小的顺序遍历，并输出匹配对及其相似度分数，作为匹配结果；当某个匹配对中的任一待匹配目标已在匹配结果中出现，则不能作为匹配结果输出；

如果当前匹配结果中的匹配对数量未达到预期的K组，则再次针对双方均未匹配的匹配对中相似度分数较高的部分，按照相似度分数从大到小的顺序遍历并输出，直到匹配结果达到预期；其中0＜K≤min(A,B)；

具体地，包括以下步骤：

1)将A*B的相似度分数的二维矩阵，转换为一维向量M，其中M的长度为A*B，并记录每个相似度分数在原二维矩阵的行列值，对应在A和B的待匹配目标中索引号；

2)维护一个结果容器R，存储已经选择的匹配对[i,j,N_ij]，其中N_ij为相似度分数，i为分数N_ij在A中的索引号，j为分数N_ij在B中的索引号；

3)从向量M中随机选取一个相似度分数N；

4)遍历向量M的相似度分数，比N大的分数放在左堆H_left，比N小的分数放在右堆H_right；相似度分数N放在左堆或右堆；

5)对左堆H_left进行排序，得到H_left_sorted；

6)按照从大到小的顺序遍历堆H_left_sorted；若当前索引的i或者j不在结果容器R内，则得到匹配对[i,j,N_ij]，加入结果容器R内；若当前索引的i或者j在结果容器R内，则跳过当前相似度分数继续遍历；

7)若结果容器R内的个数大于等于K，则结束匹配，得到结果容器R；

8)若结果容器R内的个数小于K，则遍历结果容器R，根据R中的索引过滤右堆H_right中具有相同的i或者相同的j的相似度分数，更新右堆H_right；

将过滤后的右堆H_right作为新的向量M，重新执行步骤3)~8)直到结果容器R的匹配对大于等于K，得到结果容器R。

2.如权利要求1所述高效的基于相似度的跨摄像头的目标重识别方法，其特征在于，目标检测结果包括行人。

3.如权利要求1所述高效的基于相似度的跨摄像头的目标重识别方法，其特征在于，设定匹配结果的相似度分数阈值，剔除匹配结果中低于阈值的匹配对。

4.如权利要求1所述高效的基于相似度的跨摄像头的目标重识别方法，其特征在于，目标检测采用CenterNet目标检测算法。

5.如权利要求1所述高效的基于相似度的跨摄像头的目标重识别方法，其特征在于，待匹配目标的特征向量通过分类器进行特征提取得到。

6.如权利要求5所述高效的基于相似度的跨摄像头的目标重识别方法，其特征在于，所述分类器为ResNet50神经网络。

7.如权利要求1所述高效的基于相似度的跨摄像头的目标重识别方法，其特征在于，采用两个待匹配目标的特征向量的余弦相似度作为相似度分数。