CN108717520A - 一种行人重识别方法及装置 - Google Patents

Abstract

本发明公开了一种行人重识别方法及装置，用以解决现有的基于颜色特征的行人重识别方法只用有限的颜色种类来描述行人，一些具有判别能力的信息会因此丢失而使得行人重识别的准确度较低的问题。该方法包括：获取若干帧通过不同的视频采集设备采集的待检测行人图像；从每一帧待检测行人图像中提取行人整体特征和人体部件特征；当确定从每一帧待检测行人图像中提取出的行人整体特征与从其它各帧待检测行人图像中提取出的各行人整体特征的相似度均小于预设阈值时，则将从每一帧待检测行人图像中提取出的人体部件特征与从其它各帧待检测行人图像中提取出的人体部件特征进行比对，获得比对结果；根据比对结果确定不同帧待检测行人图像中包含的相同行人。

Description

一种行人重识别方法及装置

技术领域

本发明涉及视频监控技术领域，尤其涉及一种行人重识别方法及装置。

背景技术

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。给定一个监控行人图像，检索跨设备下的该行人图像，旨在弥补目前固定的摄像头的视觉局限，可广泛应用于智能视频监控、智能安保等领域。

行人重识别有一个非常重要的特性就是跨摄像头，需要检索出不同摄像头下的相同行人图像。现有的基于颜色特征的行人重识别方法只用有限的颜色种类来描述行人，一些具有判别能力的信息会因此丢失，从而使得行人重识别的准确度较低。

发明内容

为了解决现有的基于颜色特征的行人重识别方法只用有限的颜色种类来描述行人，一些具有判别能力的信息会因此丢失而使得行人重识别的准确度较低的问题，本发明实施例提供了一种行人重识别方法及装置。

第一方面，本发明实施例提供了一种行人重识别方法，包括：

获取若干帧待检测行人图像，所述若干帧待检测行人图像是通过不同的视频采集设备采集的图像；

从每一帧待检测行人图像中提取行人整体特征和人体部件特征；

针对每一帧待检测行人图像，将从所述待检测行人图像中提取出的行人整体特征和从其它各帧待检测行人图像中提取出的行人整体特征分别进行比对，获得从所述待检测行人图像中提取出的各行人整体特征与从其它各帧待检测行人图像中提取出的各行人整体特征的相似度；

当确定从每一帧待检测行人图像中提取出的行人整体特征与从其它各帧待检测行人图像中提取出的各行人整体特征的相似度均小于预设阈值时，则将从所述每一帧待检测行人图像中提取出的人体部件特征与从其它各帧待检测行人图像中提取出的人体部件特征进行比对，获得比对结果；

根据所述比对结果确定不同帧待检测行人图像中包含的相同行人。

采用本发明实施例提供的行人重识别方法，首先获取若干帧通过不同的视频采集设备采集的待检测行人图像，再从每一帧待检测行人图像中提取行人整体特征和人体部件特征，针对每一帧待检测行人图像，将从该帧图像中提取的行人整体特征和其它各帧待检测行人图像中提取出的行人整体特征分别进行比对，获得从该待检测行人图像中提取出的各行人整体特征与从其它各帧待检测行人图像中提取出的各行人整体特征的相似度，当确定从每一帧待检测行人图像中提取出的行人整体特征与从其它各帧待检测行人图像中提取出的各行人整体特征的相似度均小于预设阈值时，则将从每一帧待检测行人图像中提取出的人体部件特征与从其它各帧待检测行人图像中提取出的人体部件特征进行比对，获得比对结果，根据比对结果确定不同帧待检测行人图像中包含的相同行人。本发明通过对不同帧待检测行人图像中的行人整体特征的相似度比较为主与人体部件特征的相似度比较相结合的方式来识别通过不同的视频采集设备采集的待检测行人图像中包含的相同行人，提高了行人重识别的精确度。

较佳地，所述从每一帧待检测行人图像中提取行人整体特征，具体包括：

针对所述每一帧待检测行人图像，根据预设深度检测算法对所述待检测行人图像进行检测，并从检测出的行人区域中提取行人整体特征。

较佳地，所述从每一帧待检测行人图像中提取人体部件特征，具体包括：

获取所述每一帧待检测行人图像中的人体基本部件区域，并从所述人体基本部件区域中提取人体部件特征。

较佳地，所述获取所述每一帧待检测行人图像中的人体基本部件区域，具体包括：

利用预设人体姿态估计算法对所述每一帧待检测行人图像中的行人进行关键点检测和标记；

根据所述每一帧待检测行人图像中标记出的关键点提取所述待检测行人图像中的人体基本部件区域。

较佳地，所述将从所述每一帧待检测行人图像中提取出的人体部件特征与从其它各帧待检测行人图像中提取出的人体部件特征进行比对，获得比对结果，具体包括：

将从所述每一帧待检测行人图像中提取出的人体部件特征与从其它各帧待检测行人图像中提取出的人体部件特征进行比对，获得从所述每一帧待检测行人图像中提取出的各人体部件特征与从其它各帧待检测行人图像中提取出的人体部件特征的相似度；以及

所述根据所述比对结果确定不同帧待检测行人图像中包含的相同行人，具体包括：

将每一帧待检测行人图像中归属于一个行人的各人体部件特征与其它帧待检测图像中归属于其它行人的对应部位的各人体部件特征的相似度均大于等于所述预设阈值的行人，确定为相同行人。

第二方面，本发明实施例提供了一种行人重识别装置，包括：

获取单元，用于获取若干帧待检测行人图像，所述若干帧待检测行人图像是通过不同的视频采集设备采集的图像；

提取单元，用于从每一帧待检测行人图像中提取行人整体特征和人体部件特征；

第一比对单元，用于针对每一帧待检测行人图像，将从所述待检测行人图像中提取出的行人整体特征和从其它各帧待检测行人图像中提取出的行人整体特征分别进行比对，获得从所述待检测行人图像中提取出的各行人整体特征与从其它各帧待检测行人图像中提取出的各行人整体特征的相似度；

第二比对单元，用于当确定从每一帧待检测行人图像中提取出的行人整体特征与从其它各帧待检测行人图像中提取出的各行人整体特征的相似度均小于预设阈值时，则将从所述每一帧待检测行人图像中提取出的人体部件特征与从其它各帧待检测行人图像中提取出的人体部件特征进行比对，获得比对结果；

确定单元，用于根据所述比对结果确定不同帧待检测行人图像中包含的相同行人。

较佳地，所述提取单元，具体用于针对所述每一帧待检测行人图像，根据预设深度检测算法对所述待检测行人图像进行检测，并从检测出的行人区域中提取行人整体特征。

较佳地，所述提取单元，具体用于获取所述每一帧待检测行人图像中的人体基本部件区域，并从所述人体基本部件区域中提取人体部件特征。

较佳地，所述提取单元，具体用于利用预设人体姿态估计算法对所述每一帧待检测行人图像中的行人进行关键点检测和标记；

根据所述每一帧待检测行人图像中标记出的关键点提取所述待检测行人图像中的人体基本部件区域。

较佳地，所述第二比对单元，具体用于将从所述每一帧待检测行人图像中提取出的人体部件特征与从其它各帧待检测行人图像中提取出的人体部件特征进行比对，获得从所述每一帧待检测行人图像中提取出的各人体部件特征与从其它各帧待检测行人图像中提取出的人体部件特征的相似度；

较佳地，所述确定单元，具体用于将每一帧待检测行人图像中归属于一个行人的各人体部件特征与其它帧待检测图像中归属于其它行人的对应部位的各人体部件特征的相似度均大于等于所述预设阈值的行人，确定为相同行人。

本发明提供的行人重识别装置的技术效果可以参见上述第一方面或第一方面的各个实现方式的技术效果，此处不再赘述。

第三方面，本发明实施例提供了一种计算装置，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现本发明所述的行人重识别方法。

第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明所述的行人重识别方法中的步骤。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明实施例提供的行人重识别方法的实施流程示意图；

图2为本发明实施例中，获取每一帧待检测行人图像中的人体基本部件区域的实施流程示意图；

图3为本发明实施例中，从每一帧待检测行人图像检测出的行人区域示意图；

图4为本发明实施例提供的行人重识别装置的结构示意图；

图5为本发明实施例提供的计算装置结构示意图。

具体实施方式

为了解决现有的基于颜色特征的行人重识别方法只用有限的颜色种类来描述行人，一些具有判别能力的信息会因此丢失而使得行人重识别的准确度较低的问题，本发明提出了一种行人重识别方法及装置。

本发明实施例提供的行人重识别方法的实施原理是：本发明实施例提供的行人重识别方法，首先获取若干帧通过不同的视频采集设备采集的待检测行人图像，再从每一帧待检测行人图像中提取行人整体特征和人体部件特征，针对每一帧待检测行人图像，将从该帧图像中提取的行人整体特征和其它各帧待检测行人图像中提取出的行人整体特征分别进行比对，获得从该待检测行人图像中提取出的各行人整体特征与从其它各帧待检测行人图像中提取出的各行人整体特征的相似度，当确定从每一帧待检测行人图像中提取出的行人整体特征与从其它各帧待检测行人图像中提取出的各行人整体特征的相似度均小于预设阈值时，则将从每一帧待检测行人图像中提取出的人体部件特征与从其它各帧待检测行人图像中提取出的人体部件特征进行比对，获得比对结果，根据比对结果确定不同帧待检测行人图像中包含的相同行人。本发明通过对不同帧待检测行人图像中的行人整体特征的相似度比较为主与人体部件特征的相似度比较相结合的方式来识别通过不同的视频采集设备采集的待检测行人图像中包含的相同行人，提高了行人重识别的精确度。

以下结合说明书附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明，并且在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

如图1所示，其为本发明实施例提供的行人重识别方法的实施流程示意图，可以包括以下步骤：

S11、获取若干帧待检测行人图像，所述若干帧待检测行人图像是通过不同的视频采集设备采集的图像。

S12、从每一帧待检测行人图像中提取行人整体特征和人体部件特征。

具体实施时，分别从获取的每一帧待检测行人图像中提取行人整体特征和人体部件特征。

具体地，针对每一帧待检测行人图像，根据预设深度检测算法对每一帧待检测行人图像进行检测，并从检测出的行人区域中提取行人整体特征。具体地，预设深度检测算法可以但不限于为Faster RCNN或SSD。本发明实施例中以根据Faster RCNN算法为例进行说明。

根据Faster RCNN算法进行行人检测的过程如下：

步骤一、挑选样本，制作训练集、验证集。

收集行人相关监控视频，将该视频隔帧保存为图片，作为行人检测基本数据集。手工标记该数据集的行人区域，并保存该区域和类别。随机抽取该数据集的一半作为训练集，剩余另一半作为验证集。

步骤二、利用Faster RCNN框架进行训练。

(1)检测网络设计：

特征提取网络设计：可以结合depth-wise、point-wise、bottleneck等基本卷积网络模块来设计基本特征提取网络。

候选框网络设计(region proposal neregion，RPN)：该网络的输入为特征提取该网络的输出，经过两次卷积计算，得到512维向量，输出10个anchor的类别权值和区域位置信息，满足行人区域多尺度变化。

Faster RCNN网络：将anchor在源图像中比例映射之后的卷积层信息作为该网络的输入，经过一个卷积层和全连接层，输出最终行人检测结果，包括行人区域位置和置信度。

(2)模型训练：

预模型训练：将上述特征提取网络和Faster RCNN网络进行融合，构成预训练网络，使用包含1000种类别的公共数据集Imagenet进行训练，得到具有分类功能的预模型。该预模型用于深度检测中特征提取网络层参数初始化，即进行fine-turned模型，该模型能够加快整个检测网络收敛和提升检测网络泛化能力。

检测网络数据输入：依次读取训练图，将其中像，将其中行人图像和与行人图像重合区域在大于等于预设值的图像作为正样本，小于预设值的其余图像作为负样本，预设值可以为80％。

训练超参数设计：使用多个输入图像尺寸进行训练。每张图像可以训练20次，每迭代50000次学习率递减一个数量级，保证模型能较好地收敛。

进一步地，根据训练好的模型对每一帧待检测行人图像进行检测，检测行人区域，并从检测出的行人区域中提取行人整体特征。

具体实施时，获取每一帧待检测行人图像中的人体基本部件区域，并从人体基本部件区域中提取人体部件特征。具体地，可以按照如图2所示的流程获取每一帧待检测行人图像中的人体基本部件区域：

S21、利用预设人体姿态估计算法对所述每一帧待检测行人图像中的行人进行关键点检测和标记。

其中，预设人体姿态估计算法可以为但不限于人体姿态估计Openpose算法。

S22、根据所述每一帧待检测行人图像中标记出的关键点提取所述待检测行人图像中的人体基本部件区域。

本步骤中，人体基本部件区域为人体躯干、四肢、上半身和下半身等。

S13、针对每一帧待检测行人图像，将从所述待检测行人图像中提取出的行人整体特征和从其它各帧待检测行人图像中提取出的行人整体特征分别进行比对，获得从所述待检测行人图像中提取出的各行人整体特征与从其它各帧待检测行人图像中提取出的各行人整体特征的相似度。

具体实施时，针对每一帧待检测行人图像，将从该待检测行人图像中提取出的行人整体特征和从其它各帧待检测行人图像中提取出的行人整体特征分别进行比对，获得从该待检测行人图像中提取出的各行人整体特征与从其它各帧待检测行人图像中提取出的各行人整体特征的相似度。

例如，假设待检测行人图像一共有4帧，如图3所示，为通过步骤S13的流程进行行人检测后检测出的行人区域示意图，将这4帧图像分别记为图像A、B、C和D，图像A中检测出3个行人区域，分别记为a1、a2、a3，图像B中检测出4个行人区域，分别记为b1、b2、b3、b4，图像C中检测出2个行人区域，分别记为c1、c2，图像D中检测出1个行人区域，记为d1。将每一帧待检测行人图像中从各行人区域中提取出的行人整体特征和从其它各帧待检测行人图像中提取出的行人整体特征分别进行比对，针对图像A，将从行人区域a1中提取出的行人整体特征与从图像B中的行人区域b1～b4中提取出的行人整体特征、以及从图像C中的行人区域c1、c2中提取出的行人整体特征、以及从图像D中的行人区域d1中提取出的行人整体特征一一进行比对，同样，将从行人区域a2中提取出的行人整体特征与从图像B中的行人区域b1～b4中提取出的行人整体特征、以及从图像C中的行人区域c1、c2中提取出的行人整体特征、以及从图像D中的行人区域d1中提取出的行人整体特征一一进行比对，将从行人区域a3中提取出的行人整体特征与从图像B中的行人区域b1～b4中提取出的行人整体特征、以及从图像C中的行人区域c1、c2中提取出的行人整体特征、以及从图像D中的行人区域d1中提取出的行人整体特征一一进行比对，得到各自对应的相似度，同理，针对图像B、C、D，也进行同样操作，以得到从每一待检测行人图像中提取出的各行人整体特征与从其它各帧待检测行人图像中提取出的各行人整体特征的相似度。

进一步地，判断不同帧待检测行人图像中是否包含有行人整体特征相似度大于预设阈值的，若有，则确定上述行人整体特征对应的行人为相同行人。其中，预设阈值可以根据经验值选取，例如可以为80％，本发明实施例对此不作限定。例如，从图像A中的a1中提取出的行人整体特征与从图像B中的b3中提取出的行人整体特征的相似度大于预设阈值，从图像A中的a1中提取出的行人整体特征与从图像D中的d1中提取出的行人整体特征的相似度也大于预设阈值，且从图像B中的b3中提取出的行人整体特征与从图像D中的d1中提取出的行人整体特征的相似度也大于预设阈值，则可以确定a1、b3和d1中的行人为同一行人。

S14、当确定从每一帧待检测行人图像中提取出的行人整体特征与从其它各帧待检测行人图像中提取出的各行人整体特征的相似度均小于预设阈值时，则将从所述每一帧待检测行人图像中提取出的人体部件特征与从其它各帧待检测行人图像中提取出的人体部件特征进行比对，获得比对结果。

具体地，当确定从每一帧待检测行人图像中提取出的行人整体特征与从其它各帧待检测行人图像中提取出的各行人整体特征的相似度均小于预设阈值时，确定各帧待检测行人图像中疑似没有相同行人，则将从所述每一帧待检测行人图像中提取出的人体部件特征与从其它各帧待检测行人图像中提取出的人体部件特征进行比对，获得比对结果。

具体地，将从每一帧待检测行人图像中提取出的人体部件特征与从其它各帧待检测行人图像中提取出的人体部件特征进行比对，获得从每一帧待检测行人图像中提取出的各人体部件特征与从其它各帧待检测行人图像中提取出的人体部件特征的相似度。

S15、根据所述比对结果确定不同帧待检测行人图像中包含的相同行人。

具体实施时，将每一帧待检测行人图像中归属于一个行人的各人体部件特征与其它帧待检测图像中归属于其它行人的对应部位的各人体部件特征的相似度均大于等于所述预设阈值的行人，确定为相同行人。例如，可以比对不同帧待检测图像中的人体上下身颜色、有无背包等基本属性类别特征。

本发明实施例提供的行人重识别方法中，首先获取若干帧通过不同的视频采集设备采集的待检测行人图像，再从每一帧待检测行人图像中提取行人整体特征和人体部件特征，针对每一帧待检测行人图像，将从该帧图像中提取的行人整体特征和其它各帧待检测行人图像中提取出的行人整体特征分别进行比对，获得从该待检测行人图像中提取出的各行人整体特征与从其它各帧待检测行人图像中提取出的各行人整体特征的相似度，当确定从每一帧待检测行人图像中提取出的行人整体特征与从其它各帧待检测行人图像中提取出的各行人整体特征的相似度均小于预设阈值时，则将从每一帧待检测行人图像中提取出的人体部件特征与从其它各帧待检测行人图像中提取出的人体部件特征进行比对，获得比对结果，根据比对结果确定不同帧待检测行人图像中包含的相同行人。本发明通过对不同帧待检测行人图像中的行人整体特征的相似度比较为主与人体部件特征的相似度比较相结合的方式来识别通过不同的视频采集设备采集的待检测行人图像中包含的相同行人，提高了行人重识别的精确度。

基于同一发明构思，本发明实施例还提供了一种行人重识别装置，由于上述行人重识别装置解决问题的原理与行人重识别方法相似，因此上述装置的实施可以参见方法的实施，重复之处不再赘述。

如图4所示，其为本发明实施例提供的行人重识别装置的结构示意图，可以包括：

获取单元31，用于获取若干帧待检测行人图像，所述若干帧待检测行人图像是通过不同的视频采集设备采集的图像；

提取单元32，用于从每一帧待检测行人图像中提取行人整体特征和人体部件特征；

第一比对单元33，用于针对每一帧待检测行人图像，将从所述待检测行人图像中提取出的行人整体特征和从其它各帧待检测行人图像中提取出的行人整体特征分别进行比对，获得从所述待检测行人图像中提取出的各行人整体特征与从其它各帧待检测行人图像中提取出的各行人整体特征的相似度；

第二比对单元34，用于当确定从每一帧待检测行人图像中提取出的行人整体特征与从其它各帧待检测行人图像中提取出的各行人整体特征的相似度均小于预设阈值时，则将从所述每一帧待检测行人图像中提取出的人体部件特征与从其它各帧待检测行人图像中提取出的人体部件特征进行比对，获得比对结果；

确定单元35，用于根据所述比对结果确定不同帧待检测行人图像中包含的相同行人。

较佳地，所述提取单元32，具体用于针对所述每一帧待检测行人图像，根据预设深度检测算法对所述待检测行人图像进行检测，并从检测出的行人区域中提取行人整体特征。

较佳地，所述提取单元32，具体用于获取所述每一帧待检测行人图像中的人体基本部件区域，并从所述人体基本部件区域中提取人体部件特征。

较佳地，所述提取单元32，具体用于利用预设人体姿态估计算法对所述每一帧待检测行人图像中的行人进行关键点检测和标记；

根据所述每一帧待检测行人图像中标记出的关键点提取所述待检测行人图像中的人体基本部件区域。

较佳地，所述第二比对单元34，具体用于将从所述每一帧待检测行人图像中提取出的人体部件特征与从其它各帧待检测行人图像中提取出的人体部件特征进行比对，获得从所述每一帧待检测行人图像中提取出的各人体部件特征与从其它各帧待检测行人图像中提取出的人体部件特征的相似度；

较佳地，所述确定单元35，具体用于将每一帧待检测行人图像中归属于一个行人的各人体部件特征与其它帧待检测图像中归属于其它行人的对应部位的各人体部件特征的相似度均大于等于所述预设阈值的行人，确定为相同行人。

基于同一技术构思，本发明实施例还提供了一种计算装置400，参照图5所示，计算装置400用于实施上述方法实施例记载的行人重识别方法，该实施例的计算装置400可以包括：存储器401、处理器402以及存储在所述存储器中并可在所述处理器上运行的计算机程序，例如行人重识别程序。所述处理器执行所述计算机程序时实现上述各个行人重识别方法实施例中的步骤，例如图1所示的步骤S11。或者，所述处理器执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能，例如31。

本发明实施例中不限定上述存储器401、处理器402之间的具体连接介质。本申请实施例在图5中以存储器401、处理器402之间通过总线403连接，总线403在图5中以粗线表示，其它部件之间的连接方式，仅是进行示意性说明，并不引以为限。所述总线403可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

存储器401可以是易失性存储器(volatile memory)，例如随机存取存储器(random-access memory，RAM)；存储器401也可以是非易失性存储器(non-volatilememory)，例如只读存储器，快闪存储器(flash memory)，硬盘(hard disk drive，HDD)或固态硬盘(solid-state drive，SSD)、或者存储器401是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器401可以是上述存储器的组合。

处理器402，用于实现如图1所示的一种行人重识别方法，包括：

所述处理器402，用于调用所述存储器401中存储的计算机程序执行如图1中所示的步骤S11、获取若干帧待检测行人图像，所述若干帧待检测行人图像是通过不同的视频采集设备采集的图像，步骤S12、从每一帧待检测行人图像中提取行人整体特征和人体部件特征，步骤S13、针对每一帧待检测行人图像，将从所述待检测行人图像中提取出的行人整体特征和从其它各帧待检测行人图像中提取出的行人整体特征分别进行比对，获得从所述待检测行人图像中提取出的各行人整体特征与从其它各帧待检测行人图像中提取出的各行人整体特征的相似度，步骤S14、当确定从每一帧待检测行人图像中提取出的行人整体特征与从其它各帧待检测行人图像中提取出的各行人整体特征的相似度均小于预设阈值时，则将从所述每一帧待检测行人图像中提取出的人体部件特征与从其它各帧待检测行人图像中提取出的人体部件特征进行比对，获得比对结果，和步骤S15、根据所述比对结果确定不同帧待检测行人图像中包含的相同行人。

本申请实施例还提供了一种计算机可读存储介质，存储为执行上述处理器所需执行的计算机可执行指令，其包含用于执行上述处理器所需执行的程序。

在一些可能的实施方式中，本发明提供的行人重识别方法的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在计算装置上运行时，所述程序代码用于使所述计算装置执行本说明书上述描述的根据本发明各种示例性实施方式的行人重识别方法中的步骤，例如，所述计算装置可以执行如图1中所示的步骤S11、获取若干帧待检测行人图像，所述若干帧待检测行人图像是通过不同的视频采集设备采集的图像，步骤S12、从每一帧待检测行人图像中提取行人整体特征和人体部件特征，步骤S13、针对每一帧待检测行人图像，将从所述待检测行人图像中提取出的行人整体特征和从其它各帧待检测行人图像中提取出的行人整体特征分别进行比对，获得从所述待检测行人图像中提取出的各行人整体特征与从其它各帧待检测行人图像中提取出的各行人整体特征的相似度，步骤S14、当确定从每一帧待检测行人图像中提取出的行人整体特征与从其它各帧待检测行人图像中提取出的各行人整体特征的相似度均小于预设阈值时，则将从所述每一帧待检测行人图像中提取出的人体部件特征与从其它各帧待检测行人图像中提取出的人体部件特征进行比对，获得比对结果，和步骤S15、根据所述比对结果确定不同帧待检测行人图像中包含的相同行人。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

本发明的实施方式的用于行人重识别的程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在计算设备上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

应当注意，尽管在上文详细描述中提及了装置的若干单元或子单元，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之，上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。

此外，尽管在附图中以特定顺序描述了本发明方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。

本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(装置)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (12)

1.一种行人重识别方法，其特征在于，包括：

获取若干帧待检测行人图像，所述若干帧待检测行人图像是通过不同的视频采集设备采集的图像；

从每一帧待检测行人图像中提取行人整体特征和人体部件特征；

针对每一帧待检测行人图像，将从所述待检测行人图像中提取出的行人整体特征和从其它各帧待检测行人图像中提取出的行人整体特征分别进行比对，获得从所述待检测行人图像中提取出的各行人整体特征与从其它各帧待检测行人图像中提取出的各行人整体特征的相似度；

当确定从每一帧待检测行人图像中提取出的行人整体特征与从其它各帧待检测行人图像中提取出的各行人整体特征的相似度均小于预设阈值时，则将从所述每一帧待检测行人图像中提取出的人体部件特征与从其它各帧待检测行人图像中提取出的人体部件特征进行比对，获得比对结果；

根据所述比对结果确定不同帧待检测行人图像中包含的相同行人。

2.如权利要求1所述的方法，其特征在于，所述从每一帧待检测行人图像中提取行人整体特征，具体包括：

针对所述每一帧待检测行人图像，根据预设深度检测算法对所述待检测行人图像进行检测，并从检测出的行人区域中提取行人整体特征。

3.如权利要求1所述的方法，其特征在于，所述从每一帧待检测行人图像中提取人体部件特征，具体包括：

获取所述每一帧待检测行人图像中的人体基本部件区域，并从所述人体基本部件区域中提取人体部件特征。

4.如权利要求3所述的方法，其特征在于，所述获取所述每一帧待检测行人图像中的人体基本部件区域，具体包括：

利用预设人体姿态估计算法对所述每一帧待检测行人图像中的行人进行关键点检测和标记；

根据所述每一帧待检测行人图像中标记出的关键点提取所述待检测行人图像中的人体基本部件区域。

5.如权利要求1所述的方法，其特征在于，所述将从所述每一帧待检测行人图像中提取出的人体部件特征与从其它各帧待检测行人图像中提取出的人体部件特征进行比对，获得比对结果，具体包括：

将从所述每一帧待检测行人图像中提取出的人体部件特征与从其它各帧待检测行人图像中提取出的人体部件特征进行比对，获得从所述每一帧待检测行人图像中提取出的各人体部件特征与从其它各帧待检测行人图像中提取出的人体部件特征的相似度；以及

所述根据所述比对结果确定不同帧待检测行人图像中包含的相同行人，具体包括：

将每一帧待检测行人图像中归属于一个行人的各人体部件特征与其它帧待检测图像中归属于其它行人的对应部位的各人体部件特征的相似度均大于等于所述预设阈值的行人，确定为相同行人。

6.一种行人重识别装置，其特征在于，包括：

获取单元，用于获取若干帧待检测行人图像，所述若干帧待检测行人图像是通过不同的视频采集设备采集的图像；

提取单元，用于从每一帧待检测行人图像中提取行人整体特征和人体部件特征；

第一比对单元，用于针对每一帧待检测行人图像，将从所述待检测行人图像中提取出的行人整体特征和从其它各帧待检测行人图像中提取出的行人整体特征分别进行比对，获得从所述待检测行人图像中提取出的各行人整体特征与从其它各帧待检测行人图像中提取出的各行人整体特征的相似度；

第二比对单元，用于当确定从每一帧待检测行人图像中提取出的行人整体特征与从其它各帧待检测行人图像中提取出的各行人整体特征的相似度均小于预设阈值时，则将从所述每一帧待检测行人图像中提取出的人体部件特征与从其它各帧待检测行人图像中提取出的人体部件特征进行比对，获得比对结果；

确定单元，用于根据所述比对结果确定不同帧待检测行人图像中包含的相同行人。

7.如权利要求6所述的装置，其特征在于，

所述提取单元，具体用于针对所述每一帧待检测行人图像，根据预设深度检测算法对所述待检测行人图像进行检测，并从检测出的行人区域中提取行人整体特征。

8.如权利要求6所述的装置，其特征在于，

所述提取单元，具体用于获取所述每一帧待检测行人图像中的人体基本部件区域，并从所述人体基本部件区域中提取人体部件特征。

9.如权利要求8所述的装置，其特征在于，

所述提取单元，具体用于利用预设人体姿态估计算法对所述每一帧待检测行人图像中的行人进行关键点检测和标记；

根据所述每一帧待检测行人图像中标记出的关键点提取所述待检测行人图像中的人体基本部件区域。

10.如权利要求6所述的装置，其特征在于，

所述第二比对单元，具体用于将从所述每一帧待检测行人图像中提取出的人体部件特征与从其它各帧待检测行人图像中提取出的人体部件特征进行比对，获得从所述每一帧待检测行人图像中提取出的各人体部件特征与从其它各帧待检测行人图像中提取出的人体部件特征的相似度；

所述确定单元，具体用于将每一帧待检测行人图像中归属于一个行人的各人体部件特征与其它帧待检测图像中归属于其它行人的对应部位的各人体部件特征的相似度均大于等于所述预设阈值的行人，确定为相同行人。

11.一种计算装置，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1～5任一项所述的行人重识别方法。

12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1～5任一项所述的行人重识别方法中的步骤。