CN113221807A - 一种多摄像头的行人重识别方法及系统 - Google Patents

一种多摄像头的行人重识别方法及系统 Download PDF

Info

Publication number
CN113221807A
CN113221807A CN202110575464.5A CN202110575464A CN113221807A CN 113221807 A CN113221807 A CN 113221807A CN 202110575464 A CN202110575464 A CN 202110575464A CN 113221807 A CN113221807 A CN 113221807A
Authority
CN
China
Prior art keywords
pedestrian
image
video frame
model
angle
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
CN202110575464.5A
Other languages
English (en)
Inventor
张培渊
周有喜
乔国坤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xinjiang Aiwinn Information Technology Co Ltd
Original Assignee
Xinjiang Aiwinn Information Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xinjiang Aiwinn Information Technology Co Ltd filed Critical Xinjiang Aiwinn Information Technology Co Ltd
Priority to CN202110575464.5A priority Critical patent/CN113221807A/zh
Publication of CN113221807A publication Critical patent/CN113221807A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明公开了一种多摄像头的行人重识别方法及系统，方法包括：采集行人的视频信息，读取视频帧；使用模型yolov5获取每个视频帧中行人的具体位置和拍摄角度，拍摄角度包括行人正面、背面和侧面；按照具体位置从视频帧中截取行人图像，使用模型DeepFace提取行人图像特征，通过余弦相似度比较得到属于同一个人相同拍摄角度的图像；将每个人每个角度中最高置信度的行人图像筛选出来；使用模型DeepFace计算最高置信度行人图像的特征，通过余弦相似度比较，得到属于同一个人在不同角度下拍摄的图像。本发明通过将行人不同拍摄角度的识别由原来的一步识别转化为两步进行识别，使得行人多角度识别的精度显著提高。

Description

一种多摄像头的行人重识别方法及系统
技术领域
本发明涉及图像识别技术领域，具体来说，涉及一种多摄像头的行人重识别方法及系统。
背景技术
现有的商用行人重识别常用到人脸识别，但是对于大部分行人侧面、背面的情况获取不到合适的人脸图像，重识别任务就比较困难。
发明内容
本发明的目的在于提出一种多摄像头的行人重识别方法及系统，以克服现有技术中存在的上述不足。
为实现上述技术目的，本发明的技术方案是这样实现的：
一种多摄像头的行人重识别方法，所述方法包括以下步骤：
1）采集行人的视频信息，读取视频帧；
2）使用模型yolov5获取每个视频帧中行人的具体位置和拍摄角度，所述拍摄角度包括行人正面、背面和侧面；
3）按照所述具体位置从视频帧中截取行人图像，使用模型DeepFace提取行人图像特征，通过余弦相似度比较得到属于同一个人相同拍摄角度的图像；
4）将步骤3）中每个人每个角度中最高置信度的行人图像筛选出来；
5）使用模型DeepFace计算步骤4）中筛选出的行人图像的特征，通过余弦相似度比较，得到属于同一个人在不同角度下拍摄的图像。
一种多摄像头的行人重识别系统，所述系统包括：
多个摄像头，用于采集行人的视频信息，并将所述视频信息发送给视频帧提取模块；
视频帧提取模块，用于读取视频帧，并将所述视频帧发送给行人目标检测模块；
行人目标检测模块，使用模型yolov5获取每个视频帧行人的具体位置和拍摄角度，所述拍摄角度包括人脸正面、人脸背面和人脸侧面；
第一图像筛选模块，用于按照所述具体位置从视频帧中截取行人图像，使用模型DeepFace提取行人图像特征，通过余弦相似度比较得到属于同一个人相同拍摄角度的图像，并将比较得到的图像发送给第二图像筛选模块；
第二图像筛选模块，用于将每个人每个角度中最高置信度的行人图像筛选出来，并将筛选出来的行人图像发送给第三图像筛选模块；
第三图像筛选模块，用于使用模型DeepFace计算筛选出的行人图像的特征，通过余弦相似度比较，得到属于同一个人在不同角度下拍摄的图像。
本发明的有益效果：本发明通过将行人不同拍摄角度的识别由原来的一步识别转化为两步进行识别，使得行人多角度识别的精度显著提高。
附图说明
图1是本发明实施例所述方法的流程图；
图2是本发明实施例所述系统的功能模块结构示意图。
具体实施方式
下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。
如图1所示，根据本发明的实施例所述的一种多摄像头的行人重识别方法，所述方法包括以下步骤：
步骤1、采集行人的视频信息，读取视频帧。
步骤2、使用模型yolov5获取每个视频帧中行人的具体位置和拍摄角度，所述拍摄角度包括行人正面、背面和侧面。具体的，模型yolov5获取的行人具体位置的格式为（x,y,w,h）,可以在图中唯一标识一个矩形框，其中x,y是检测到的矩形框的左上角顶点坐标，w,h是矩形框的宽和高，角度分类是模型的一个输出结果，分别以0，1，2表示正面、侧面和背面。
步骤3、按照所述具体位置从视频帧中截取行人图像，使用模型DeepFace提取行人图像特征，通过余弦相似度比较得到属于同一个人相同拍摄角度的图像。具体的，提取的行人图像特征为行人全身的图像特征，例如正面包括行人的脸、衣物或者大面积的手提物，通过对行人全身特征的余弦相似度比较最后得到三组图片。
步骤4、将步骤3中每个人每个角度中最高置信度的行人图像筛选出来，这样便得到每个人每个角度中置信度最高的一张照片。
步骤5、使用模型DeepFace计算步骤4中筛选出的行人图像的特征，通过余弦相似度比较，得到属于同一个人在不同角度下拍摄的图像。具体的，对不同角度的图片特征值进行两两比较，方式采用余弦相似度，超过阈值0.7的可以认为是同一个人。
如图2所示，基于本发明上述公开的一种多摄像头的行人重识别方法，本发明还公开了一种多摄像头的行人重识别系统，所述系统包括：
多个摄像头，用于采集行人的视频信息，并将所述视频信息发送给视频帧提取模块；
视频帧提取模块，用于读取视频帧，并将所述视频帧发送给行人目标检测模块；
行人目标检测模块，使用模型yolov5获取每个视频帧行人的具体位置和拍摄角度，所述拍摄角度包括人脸正面、人脸背面和人脸侧面；
第一图像筛选模块，用于按照所述具体位置从视频帧中截取行人图像，使用模型DeepFace提取行人图像特征，通过余弦相似度比较得到属于同一个人相同拍摄角度的图像，并将比较得到的图像发送给第二图像筛选模块；
第二图像筛选模块，用于将每个人每个角度中最高置信度的行人图像筛选出来，并将筛选出来的行人图像发送给第三图像筛选模块；
第三图像筛选模块，用于使用模型DeepFace计算筛选出的行人图像的特征，通过余弦相似度比较，得到属于同一个人在不同角度下拍摄的图像。
本发明实施例所述的多摄像头的行人重识别系统的上述各个功能模块，分别对应本发明的多摄像头的行人重识别方法的各个操作步骤，这里不再赘述。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种多摄像头的行人重识别方法，其特征在于，所述方法包括以下步骤：
1）采集行人的视频信息，读取视频帧；
2）使用模型yolov5获取每个视频帧中行人的具体位置和拍摄角度，所述拍摄角度包括行人正面、背面和侧面；
3）按照所述具体位置从视频帧中截取行人图像，使用模型DeepFace提取行人图像特征，通过余弦相似度比较得到属于同一个人相同拍摄角度的图像；
4）将步骤3）中每个人每个角度中最高置信度的行人图像筛选出来；
5）使用模型DeepFace计算步骤4）中筛选出的行人图像的特征，通过余弦相似度比较，得到属于同一个人在不同角度下拍摄的图像。
2.一种多摄像头的行人重识别系统，其特征在于，所述系统包括：
多个摄像头，用于采集行人的视频信息，并将所述视频信息发送给视频帧提取模块；
视频帧提取模块，用于读取视频帧，并将所述视频帧发送给行人目标检测模块；
行人目标检测模块，使用模型yolov5获取每个视频帧行人的具体位置和拍摄角度，所述拍摄角度包括人脸正面、人脸背面和人脸侧面；
第一图像筛选模块，用于按照所述具体位置从视频帧中截取行人图像，使用模型DeepFace提取行人图像特征，通过余弦相似度比较得到属于同一个人相同拍摄角度的图像，并将比较得到的图像发送给第二图像筛选模块；
第二图像筛选模块，用于将每个人每个角度中最高置信度的行人图像筛选出来，并将筛选出来的行人图像发送给第三图像筛选模块；
第三图像筛选模块，用于使用模型DeepFace计算筛选出的行人图像的特征，通过余弦相似度比较，得到属于同一个人在不同角度下拍摄的图像。
CN202110575464.5A 2021-05-26 2021-05-26 一种多摄像头的行人重识别方法及系统 Withdrawn CN113221807A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110575464.5A CN113221807A (zh) 2021-05-26 2021-05-26 一种多摄像头的行人重识别方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110575464.5A CN113221807A (zh) 2021-05-26 2021-05-26 一种多摄像头的行人重识别方法及系统

Publications (1)

Publication Number Publication Date
CN113221807A true CN113221807A (zh) 2021-08-06

Family

ID=77098576

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110575464.5A Withdrawn CN113221807A (zh) 2021-05-26 2021-05-26 一种多摄像头的行人重识别方法及系统

Country Status (1)

Country Link
CN (1) CN113221807A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117152826A (zh) * 2023-11-01 2023-12-01 武汉中科通达高新技术股份有限公司 基于目标跟踪和异常检测的实时跨镜追踪方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106778464A (zh) * 2016-11-09 2017-05-31 深圳市深网视界科技有限公司 一种基于深度学习的行人重识别方法和装置
CN109711232A (zh) * 2017-10-26 2019-05-03 北京航天长峰科技工业集团有限公司 基于多目标函数的深度学习行人重识别方法
CN109902550A (zh) * 2018-11-08 2019-06-18 阿里巴巴集团控股有限公司 行人属性的识别方法和装置
CN110858276A (zh) * 2018-08-22 2020-03-03 北京航天长峰科技工业集团有限公司 一种识别模型与验证模型相结合的行人重识别方法
CN111126250A (zh) * 2019-12-20 2020-05-08 长沙千视通智能科技有限公司 一种基于ptgan的行人重识别方法及装置
CN111291612A (zh) * 2019-12-20 2020-06-16 深圳久凌软件技术有限公司 一种基于多人多摄像头跟踪的行人重识别方法及装置
CN112150514A (zh) * 2020-09-29 2020-12-29 上海眼控科技股份有限公司 视频的行人轨迹追踪方法、装置、设备及存储介质
CN112163503A (zh) * 2020-09-24 2021-01-01 高新兴科技集团股份有限公司 办案区人员无感轨迹生成方法、系统、存储介质及设备
JP2021039740A (ja) * 2019-09-02 2021-03-11 株式会社Ｎｔｔドコモ 歩行者再識別デバイス及び方法
CN112668483A (zh) * 2020-12-30 2021-04-16 福州大学 一种融合行人重识别和人脸检测的单目标人物跟踪方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106778464A (zh) * 2016-11-09 2017-05-31 深圳市深网视界科技有限公司 一种基于深度学习的行人重识别方法和装置
CN109711232A (zh) * 2017-10-26 2019-05-03 北京航天长峰科技工业集团有限公司 基于多目标函数的深度学习行人重识别方法
CN110858276A (zh) * 2018-08-22 2020-03-03 北京航天长峰科技工业集团有限公司 一种识别模型与验证模型相结合的行人重识别方法
CN109902550A (zh) * 2018-11-08 2019-06-18 阿里巴巴集团控股有限公司 行人属性的识别方法和装置
JP2021039740A (ja) * 2019-09-02 2021-03-11 株式会社Ｎｔｔドコモ 歩行者再識別デバイス及び方法
CN111126250A (zh) * 2019-12-20 2020-05-08 长沙千视通智能科技有限公司 一种基于ptgan的行人重识别方法及装置
CN111291612A (zh) * 2019-12-20 2020-06-16 深圳久凌软件技术有限公司 一种基于多人多摄像头跟踪的行人重识别方法及装置
CN112163503A (zh) * 2020-09-24 2021-01-01 高新兴科技集团股份有限公司 办案区人员无感轨迹生成方法、系统、存储介质及设备
CN112150514A (zh) * 2020-09-29 2020-12-29 上海眼控科技股份有限公司 视频的行人轨迹追踪方法、装置、设备及存储介质
CN112668483A (zh) * 2020-12-30 2021-04-16 福州大学 一种融合行人重识别和人脸检测的单目标人物跟踪方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117152826A (zh) * 2023-11-01 2023-12-01 武汉中科通达高新技术股份有限公司 基于目标跟踪和异常检测的实时跨镜追踪方法
CN117152826B (zh) * 2023-11-01 2024-03-22 武汉中科通达高新技术股份有限公司 基于目标跟踪和异常检测的实时跨镜追踪方法

Similar Documents

Publication Publication Date Title
KR101758684B1 (ko) 객체 추적 장치 및 방법
CN111241975B (zh) 一种基于移动端边缘计算的人脸识别检测方法及系统
WO2018018788A1 (zh) 一种基于图像识别的计量表抄表装置及其方法
CN104598883B (zh) 一种多摄像机监控网络中目标再识别的方法
WO2018145470A1 (zh) 一种图像检测方法和装置
CN106056053A (zh) 基于骨骼特征点提取的人体姿势识别方法
CN102609724B (zh) 一种基于双摄像头的周围环境信息提示方法
CN114783003B (zh) 一种基于局部特征注意力的行人重识别方法和装置
CN109359577B (zh) 一种基于机器学习的复杂背景下人数检测系统
KR102008283B1 (ko) 번호판인식방법 및 이를 수행하는 번호판인식장치
CN108804992B (zh) 一种基于深度学习的人群统计方法
WO2018076392A1 (zh) 一种基于人体头顶部识别的行人统计方法及装置
WO2015066984A1 (zh) 一种面向复杂背景的光学字符识别方法及装置
CN106682665A (zh) 一种基于计算机视觉的七段式数显仪表数字识别方法
CN110991398A (zh) 一种基于改进步态能量图的步态识别方法及系统
CN109711256A (zh) 一种低空复杂背景无人机目标检测方法
CN112784712A (zh) 一种基于实时监控的失踪儿童预警实现方法、装置
Edward V Support vector machine based automatic electric meter reading system
CN107045630B (zh) 一种基于rgbd的行人检测和身份识别方法及系统
CN113221807A (zh) 一种多摄像头的行人重识别方法及系统
Aradhya Elegant and efficient algorithms for real time object detection, counting and classification for video surveillance applications from single fixed camera
CN110765940B (zh) 目标对象统计方法和装置
CN112115778A (zh) 一种在环仿真条件下车道线智能识别方法
Xu et al. A novel method for people and vehicle classification based on Hough line feature
CN113689365B (zh) 一种基于Azure Kinect的目标跟踪定位方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WW01 Invention patent application withdrawn after publication

Application publication date: 20210806

WW01 Invention patent application withdrawn after publication