[发明专利]一种面向航空视角下的行人重识别方法及系统

说明书

本发明提供了一种面向航空视角下的行人重识别方法及系统，对预处理后的航空视角下的行人图片进行特征提取以获得判别性特征；采用部分级注意力矩阵来学习行人的判别级特征，强化有效区域、弱化无效区域，并在使用可变权值将多个部分级特征转化为整体特征，对特征进行自适应学习，实现行人重识别。本发明可以提高从航空拍摄得到的行人图片判断的能力。

技术领域

本发明属于行人重识别技术领域，具体涉及一种面向航空视角下的行人重识别方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

随着行人重识别方法的快速发展，越来越多的方法已经被用于行人重识别领域，但这些办法大多只注重于模型的精度而忽略了模型的参数量，在实际情况中，由于硬件的限制，无法将摄像头拍摄的行人信息传递到中央服务器中在服务器中运行行人重识别方法。因此在大规模的监控应用中，最合适的办法应该是在摄像头端就进行行人重识别方法，只需要将处理得到的结果发送到中央服务器中，减轻服务器的负担。受到摄像头端嵌入式设备的限制，行人重识别方法参数无法与运行在服务端的行人重识别方法的参数量相比，运行的嵌入式设备上的行人重识别方法应该是轻量化的模型，参数量应尽可能小、精度尽可能高。

在以无人机为代表的飞行器技术快速发展的今天，灵活度与拍摄图片的清晰度有着明显的提高，特别是图片的清晰度已经可以媲美传统监控摄像头所拍摄的图片清晰度。因此将行人重识别方法应用于飞行设备上，从传统的地面监控转移到空中监控中，可以使行人重识别得到更广泛的应用。

行人重识别(Re-ID)的目的在于从多个互不相关的相机拍摄的图片、视频中去寻找身份相同的人员，该方法可以应用于抓捕罪犯、丢失人员寻找等领域，传统行人重识别方法中一般都利用街头摄像头所拍摄的图片/视频，来进行人员的追踪，但是由于街头摄像头可能存在视野盲区，并且在一些偏僻的地区可能不存在可利用的摄像头。目前飞行技术得到广泛的发展，飞行设备所搭载的摄像头所拍摄的图片/视频的清晰度已经可以与传统监控摄像头所媲美，而目前行人重识别领域的大多研究工作都集中在地面监控中，对空中监控的研究较少。

目前航空视角下的行人重识别方法的难点主要集中于以下几个方面：1.尽管无人机搭载的摄像头可以与传统监控摄像头所媲美甚至略胜一筹，但是由于无人机飞行高度一般都在20米以上，要大于在地面摄像头所拍摄的距离，因此得到的图片/视频的清晰度必然会受到影响。因此分辨率低是影响航空视角下行人重识别性能的重要因素。2.在户外条件下，由相机所拍摄的行人图片中，图片中的行人难免会受到遮挡，遮挡的类型有很多，比如：树木、建筑、其他行人、光线产生的阴影、雨伞等。如何解决遮挡问题也是航空视角下行人重识别亟需解决的问题之一3.由于航空视角下所拍摄的图片不同于地面上所拍摄的图片，如图1(a)、(b)所示，比较两幅由不同相机所拍摄的图片可知，无人机所拍摄的图片(图1(a))为一俯视角图片，人的头顶占有更大的面积，而其它有效信息无法有效捕捉(如裤子、鞋的纹理信息)，而地面摄像机所拍摄的图片(图1(b))人的特征被更好的拍摄出来，因此航空视角下的行人重识别识别难度要大于传统地面行人重识别。

发明内容

本发明为了解决上述问题，提出了一种面向航空视角下的行人重识别方法及系统，本发明可以提高从航空拍摄得到的行人图片判断的能力。

根据一些实施例，本发明采用如下技术方案：

一种面向航空视角下的行人重识别方法，包括以下步骤：

对预处理后的航空视角下的行人图片进行特征提取以获得判别性特征；

采用部分级注意力矩阵来学习行人的判别级特征，强化有效区域、弱化无效区域，并在使用可变权值将多个部分级特征转化为整体特征，对特征进行自适应学习，实现行人重识别。

作为可选择的实施方式，所述预处理过程包括将图片大小放缩到设定大小，对缩放后的图片进行数据增强。