[发明专利]基于姿态指导的行人重识别方法、设备及存储介质

说明书

本发明涉及人工智能技术，其实施例提供了基于姿态指导的行人重识别方法、设备及存储介质，该方法包括以下步骤：对目标行人图像进行姿态识别预处理生成多个身体部位的局部特征；将多个局部特征输入行人身体注意力模块进行训练生成注意力掩膜；将注意力掩膜和第一三维特征进行处理得到第二三维特征；将第二三维特征输入至二阶信息注意力模块进行处理得到二维矩阵的协方差矩阵；将协方差矩阵进行注意力计算得到二阶矩阵的输出结果。在本实施例的技术方案中，通过行人身体注意力模块确定每个身体部位，避免遮挡物对于行人识别的影响，并且通过二阶信息模块加强各部分之间的关联程度，能够强调人体的信息表达，从而抑制背景和遮挡物的信息表达。

技术领域

本发明涉及数据分析领域，尤其涉及一种基于姿态指导的行人重识别方法、设备及存储介质。

背景技术

目前，行人重识别(Person re-identification)也称行人再识别，是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术。广泛被认为是一个图像检索的子问题，相当于给定一个监控行人图像，然后检索跨设备下的该行人图像，主要用于弥补固定的摄像头的视觉局限，并可与行人检测/行人跟踪技术相结合，可广泛应用于智能视频监控、智能安保等领域。

由于不同摄像设备之间的差异，同时行人兼具刚性和柔性的特性，外观易受穿着、尺度、遮挡、姿态和视角等影响，而行人重识别主要应用于机场，车站等人流密集场所，这些场所经常出现行人被其他人或其他物体遮挡的情况下，现有的行人重识别技术难以对行人进行区分。

发明内容

以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。

本发明实施例的主要目的在于提出一种基于姿态指导的行人重识别方法，能够识别到遮挡场景中的行人，有效避免遮挡物对于行人识别的影响。

第一方面，本发明实施例提供了一种基于姿态指导的行人重识别方法，包括：

对目标行人图像进行人体姿态识别，得到多个身体部位的坐标和置信度；

将所述坐标和所述置信度进行转化处理，得到热图信息；

通过骨干网络对目标行人图像进行提取处理，得到第一三维特征；

将所述热图信息和所述第一三维特征进行计算处理，生成多个身体部位的局部特征；

将多个所述局部特征输入至行人身体注意力模块进行训练，生成注意力掩膜；

将所述注意力掩膜和所述第一三维特征进行计算处理，得到第二三维特征；

将所述第二三维特征输入至二阶信息注意力模块进行计算处理，得到二维矩阵的协方差矩阵；

将所述协方差矩阵进行注意力计算得到识别行人结果，所述识别行人结果为二阶矩阵的输出结果。

在一实施例中，所述将多个所述局部特征输入至行人身体注意力模块进行训练，生成注意力掩膜的步骤通过数学公式表示为：

其中，Pavg代表通过位置注意力获得的局部信息，Cavg代表通过通道注意力获得的局部信息，Relu为激活函数，A_mask为注意力掩膜。

在一实施例中，所述将所述attention mask和所述第一三维特征进行计算处理，得到第二三维特征的步骤通过数学公式表示为：

其中，公式等号右侧的F为第一三维特征，公式等号左侧的F为所述行人身体注意力模块的输出的第二三维特征。

在一实施例中，所述将所述第二三维特征输入至二阶信息注意力模块进行计算处理，得到二维矩阵的协方差矩阵的步骤通过数学公式表示为：