[发明专利]视频图像中的行人重识别方法、装置、存储介质及处理器

摘要

本发明公开了一种视频图像中的行人重识别方法、装置、存储介质及处理器。其中，该方法包括训练第一卷积神经网络模型，得到第二卷积神经网络模型；对第二卷积神经网络模型添加哈希二值化层，得到第三卷积神经网络模型；训练第三卷积神经网络模型，得到第四卷积神经网络模型；输入一张目标行人图像和多张待识别行人图像至第四卷积神经网络模型，得到多张初步识别行人图像；将多张初步识别行人图像输入至第四卷积神经网络模型，得到多个初步识别局部特征向量；计算目标局部特征向量和多个初步识别局部特征向量之间的第二空间向量距离，得到行人重识别结果。本发明解决了现有技术中的视频图像行人重识别方式存在的识别效率低、精度差的技术问题。

主权项

一种视频图像中的行人重识别方法，其特征在于，包括：根据预设行人重识别数据集训练第一卷积神经网络模型，得到第二卷积神经网络模型，其中，所述第二卷积神经网络模型为达到收敛状态的所述第一卷积神经网络模型，所述第二卷积神经网络模型包括全局特征提取分支和局部特征提取分支；对所述第二卷积神经网络模型中的所述全局特征提取分支添加哈希二值化层，得到第三卷积神经网络模型；根据所述预设行人重识别数据集训练所述第三卷积神经网络模型，得到第四卷积神经网络模型，其中，所述第四卷积神经网络模型为达到收敛状态的所述第三卷积神经网络模型；输入一张目标行人图像和多张待识别行人图像至所述第四卷积神经网络模型，得到一个目标全局二值化特征向量、一个目标局部特征向量和多个待识别全局二值化特征向量；计算所述一个目标全局二值化特征向量和所述多个待识别全局二值化特征向量之间的第一空间向量距离，得到多张初步识别行人图像，其中，所述多张初步识别行人图像中的每张所述初步识别行人图像与所述目标行人图像对应的所述第一空间向量距离均小于预设第一空间向量距离阈值；将所述多张初步识别行人图像输入至所述第四卷积神经网络模型，得到多个初步识别局部特征向量；计算所述目标局部特征向量和所述多个初步识别局部特征向量之间的第二空间向量距离，得到与所述目标行人图像所匹配的行人重识别结果。