CN113627352A - 一种行人重识别方法和系统 - Google Patents
一种行人重识别方法和系统 Download PDFInfo
- Publication number
- CN113627352A CN113627352A CN202110924434.0A CN202110924434A CN113627352A CN 113627352 A CN113627352 A CN 113627352A CN 202110924434 A CN202110924434 A CN 202110924434A CN 113627352 A CN113627352 A CN 113627352A
- Authority
- CN
- China
- Prior art keywords
- database
- pedestrian
- data
- image
- pedestrian image
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000000605 extraction Methods 0.000 claims abstract description 24
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 238000001514 detection method Methods 0.000 claims abstract description 11
- 238000007405 data analysis Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000013075 data extraction Methods 0.000 claims description 4
- 238000005192 partition Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000010224 classification analysis Methods 0.000 claims 1
- 238000002372 labelling Methods 0.000 claims 1
- 230000006870 function Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/55—Clustering; Classification
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种行人重识别方法,包括:获取若干个行人影像数据,建立行人影像样本大数据库,并对行人影像样本大数据库进行无死角识别,构建行人影像数据库提取数据,采用行人影像样本大数据库提取数据对所述行人影像进行分析提取,得到具有多数据影像的第一数据库行人影像,对所述第一数据库行人影像进行分具体级别分析,得到第二数据库行人影像,并对所述第二数据库行人影像,进行数据特征提取,得到具体数据特征系数;获取若干个行人影像数据,建立行人影像样本大数据库,根据检测分析结果计算得到行人区域影像数据,并对所述行人区域图像进行具体的分类调整,得到相对应的行人影像数据库,该方法操作简单,且识别方法更加精确。
Description
技术领域
本发明属于计算机技术领域,具体涉及一种行人重识别方法和系统。
背景技术
一般工业使用中,采用工业相机拍摄图片,然后再利用软件根据图片灰阶差做进一步识别处理,图像识别软件国外代表的有康耐视等,国内代表的有图智能等。另外在地理学中指将遥感图像进行分类的技术。
图形刺激作用于感觉器官,人们辨认出它是经验过的某一图形的过程,也叫图像再认。在图像识别中,既要有当时进入感官的信息,也要有记忆中存储的信息。只有通过存储的信息与当前的信息进行比较的加工过程,才能实现对图像的再认。
图像识别是人工智能的一个重要领域。为了编制模拟人类图像识别活动的计算机程序,人们提出了不同的图像识别模型。例如模板匹配模型、原型匹配模型。
但是已有的实验过程操作方法复杂,且识别的方法不够精确,因此需要设计一种新的方法来克服这些问题。
发明内容
发明涉及一种行人重识别方法和系统,该方法操作简单,且识别方法更加精确。
本发明的方案为:一种行人重识别方法,包括:获取若干个行人影像数据,建立行人影像样本大数据库,并对行人影像样本大数据库进行无死角识别,构建行人影像数据库提取数据,采用行人影像样本大数据库提取数据对所述行人影像进行分析提取,得到具有多数据影像的第一数据库行人影像,对所述第一数据库行人影像进行分具体级别分析,得到第二数据库行人影像,并对所述第二数据库行人影像,进行数据特征提取,得到具体数据特征系数,并获取待测数据库行人影像,提取所述待测数据库行人影像的数据,得到所述待测数据库行人影像的特征系数,并进行额外数据分析,且计算所述待测数据库行人影像的特征系数与第一数据库行人影像和第二数据库行人影像特征数据之间的关系,并且根据所述特征数据之间的关系最终完成行人重识别,所述获取若干个行人影像数据包括:获取原始的影像数据,对所述原始的影像数据进行检测分析,根据检测分析结果计算得到行人区域影像数据,并对所述行人区域图像进行具体的分类调整,得到相对应的行人影像数据库。
进一步的,所述采用所述行人数据库提取数据对所述行人影像数据进行数据预处理,得到具有多有数据参数的第一数据库,并对所述第一数据库进行分类处理,得到第二数据库,并对所述第二数据库进行数据提取,得到标准数据参数包括:对所述第一数据库按照行人年龄大小进行分区处理,得到第二数据库,连接所述第二数据库层级之间的参数数据,对所述层级之间的参数数据进行分析,得到若干个行人影像数据,对所述行人影像数据进行全方位计算,得到第一数据库数据,通过特定的函数计算所述第一数据库数据的参数值,将所述第一数据库数据的参数值与第二数据库逐个加权相乘得到初始影像参数,对所述初始影像参数进行全方位计算,得到标准影像参数。
进一步的,将具有同一行人的所述行人影像数据标注为同一类,并赋于一个数字表示,对不同类的所述行人影像数据赋于不同的数字表示。
进一步的,计算所述待测数据库行人影像、第一数据库行人影像和第二数据库行人影像之间的参数包括:通过特征函数对所述待测数据库行人影像的特征参数与所述第一数据库行人影像和所述第二数据库行人影像的特征参数进行计算,得到相似度参数。
进一步的,根据所述相似度参数完成行人重识别包括:判断所述相似度参数是否超过预期参数;若超过,判定所述行人影像数据与所述待测数据库行人影像数据为同一类数据参数。
进一步的,该系统包括:第一影像获取模块,用于获取多个行人影像,构建样本数据库;分析模块,用于对所述样本数据库进行数据分析,构建行人特征提取数据。
本发明的技术效果和优点:
获取若干个行人影像数据,建立行人影像样本大数据库,并对行人影像样本大数据库进行无死角识别,构建行人影像数据库提取数据,采用行人影像样本大数据库提取数据对所述行人影像进行分析提取,得到具有多数据影像的第一数据库行人影像,对所述第一数据库行人影像进行分具体级别分析,得到第二数据库行人影像,并对所述第二数据库行人影像,进行数据特征提取,得到具体数据特征系数,并获取待测数据库行人影像,提取所述待测数据库行人影像的数据,得到所述待测数据库行人影像的特征系数,并进行额外数据分析,且计算所述待测数据库行人影像的特征系数与第一数据库行人影像和第二数据库行人影像特征数据之间的关系,并且根据所述特征数据之间的关系最终完成行人重识别,所述获取若干个行人影像数据包括:获取原始的影像数据,对所述原始的影像数据进行检测分析,根据检测分析结果计算得到行人区域影像数据,并对所述行人区域图像进行具体的分类调整,得到相对应的行人影像数据库,该方法操作简单,且识别方法更加精确。
附图说明
图1为行人重识别系统示意图。
具体实施方式
下面将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,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如附图1所示的一种行人重识别方法,其特征在于,包括:获取若干个行人影像数据,建立行人影像样本大数据库,并对行人影像样本大数据库进行无死角识别,构建行人影像数据库提取数据,采用行人影像样本大数据库提取数据对所述行人影像进行分析提取,得到具有多数据影像的第一数据库行人影像,对所述第一数据库行人影像进行分具体级别分析,得到第二数据库行人影像,并对所述第二数据库行人影像,进行数据特征提取,得到具体数据特征系数,并获取待测数据库行人影像,提取所述待测数据库行人影像的数据,得到所述待测数据库行人影像的特征系数,并进行额外数据分析,且计算所述待测数据库行人影像的特征系数与第一数据库行人影像和第二数据库行人影像特征数据之间的关系,并且根据所述特征数据之间的关系最终完成行人重识别,所述获取若干个行人影像数据包括:获取原始的影像数据,对所述原始的影像数据进行检测分析,根据检测分析结果计算得到行人区域影像数据,并对所述行人区域图像进行具体的分类调整,得到相对应的行人影像数据库。
优选的,所述采用所述行人数据库提取数据对所述行人影像数据进行数据预处理,得到具有多有数据参数的第一数据库,并对所述第一数据库进行分类处理,得到第二数据库,并对所述第二数据库进行数据提取,得到标准数据参数包括:对所述第一数据库按照行人年龄大小进行分区处理,得到第二数据库,连接所述第二数据库层级之间的参数数据,对所述层级之间的参数数据进行分析,得到若干个行人影像数据,对所述行人影像数据进行全方位计算,得到第一数据库数据,通过特定的函数计算所述第一数据库数据的参数值,将所述第一数据库数据的参数值与第二数据库逐个加权相乘得到初始影像参数,对所述初始影像参数进行全方位计算,得到标准影像参数。
优选的,将具有同一行人的所述行人影像数据标注为同一类,并赋于一个数字表示,对不同类的所述行人影像数据赋于不同的数字表示。
优选的,计算所述待测数据库行人影像、第一数据库行人影像和第二数据库行人影像之间的参数包括:通过特征函数对所述待测数据库行人影像的特征参数与所述第一数据库行人影像和所述第二数据库行人影像的特征参数进行计算,得到相似度参数。
优选的,根据所述相似度参数完成行人重识别包括:判断所述相似度参数是否超过预期参数;若超过,判定所述行人影像数据与所述待测数据库行人影像数据为同一类数据参数。
优选的,该系统包括:第一影像获取模块,用于获取多个行人影像,构建样本数据库;分析模块,用于对所述样本数据库进行数据分析,构建行人特征提取数据。
本发明的工作原理:
获取若干个行人影像数据,建立行人影像样本大数据库,并对行人影像样本大数据库进行无死角识别,构建行人影像数据库提取数据,采用行人影像样本大数据库提取数据对所述行人影像进行分析提取,得到具有多数据影像的第一数据库行人影像,对所述第一数据库行人影像进行分具体级别分析,得到第二数据库行人影像,并对所述第二数据库行人影像,进行数据特征提取,得到具体数据特征系数,并获取待测数据库行人影像,提取所述待测数据库行人影像的数据,得到所述待测数据库行人影像的特征系数,并进行额外数据分析,且计算所述待测数据库行人影像的特征系数与第一数据库行人影像和第二数据库行人影像特征数据之间的关系,并且根据所述特征数据之间的关系最终完成行人重识别,所述获取若干个行人影像数据包括:获取原始的影像数据,对所述原始的影像数据进行检测分析,根据检测分析结果计算得到行人区域影像数据,并对所述行人区域图像进行具体的分类调整,得到相对应的行人影像数据库;所述采用所述行人数据库提取数据对所述行人影像数据进行数据预处理,得到具有多有数据参数的第一数据库,并对所述第一数据库进行分类处理,得到第二数据库,并对所述第二数据库进行数据提取,得到标准数据参数包括:对所述第一数据库按照行人年龄大小进行分区处理,得到第二数据库,连接所述第二数据库层级之间的参数数据,对所述层级之间的参数数据进行分析,得到若干个行人影像数据,对所述行人影像数据进行全方位计算,得到第一数据库数据,通过特定的函数计算所述第一数据库数据的参数值,将所述第一数据库数据的参数值与第二数据库逐个加权相乘得到初始影像参数,对所述初始影像参数进行全方位计算,得到标准影像参数;将具有同一行人的所述行人影像数据标注为同一类,并赋于一个数字表示,对不同类的所述行人影像数据赋于不同的数字表示。计算所述待测数据库行人影像、第一数据库行人影像和第二数据库行人影像之间的参数包括:通过特征函数对所述待测数据库行人影像的特征参数与所述第一数据库行人影像和所述第二数据库行人影像的特征参数进行计算,得到相似度参数;根据所述相似度参数完成行人重识别包括:判断所述相似度参数是否超过预期参数;若超过,判定所述行人影像数据与所述待测数据库行人影像数据为同一类数据参数;该系统包括:第一影像获取模块,用于获取多个行人影像,构建样本数据库;分析模块,用于对所述样本数据库进行数据分析,构建行人特征提取数据。
Claims (6)
1.一种行人重识别方法,其特征在于,包括:获取若干个行人影像数据,建立行人影像样本大数据库,并对行人影像样本大数据库进行无死角识别,构建行人影像数据库提取数据,采用行人影像样本大数据库提取数据对所述行人影像进行分析提取,得到具有多数据影像的第一数据库行人影像,对所述第一数据库行人影像进行分具体级别分析,得到第二数据库行人影像,并对所述第二数据库行人影像,进行数据特征提取,得到具体数据特征系数,并获取待测数据库行人影像,提取所述待测数据库行人影像的数据,得到所述待测数据库行人影像的特征系数,并进行额外数据分析,且计算所述待测数据库行人影像的特征系数与第一数据库行人影像和第二数据库行人影像特征数据之间的关系,并且根据所述特征数据之间的关系最终完成行人重识别,所述获取若干个行人影像数据包括:获取原始的影像数据,对所述原始的影像数据进行检测分析,根据检测分析结果计算得到行人区域影像数据,并对所述行人区域图像进行具体的分类调整,得到相对应的行人影像数据库。
2.根据权利要求1所述的行人重识别方法,其特征在于,所述采用所述行人数据库提取数据对所述行人影像数据进行数据预处理,得到具有多有数据参数的第一数据库,并对所述第一数据库进行分类处理,得到第二数据库,并对所述第二数据库进行数据提取,得到标准数据参数包括:对所述第一数据库按照行人年龄大小进行分区处理,得到第二数据库,连接所述第二数据库层级之间的参数数据,对所述层级之间的参数数据进行分析,得到若干个行人影像数据,对所述行人影像数据进行全方位计算,得到第一数据库数据,通过特定的函数计算所述第一数据库数据的参数值,将所述第一数据库数据的参数值与第二数据库逐个加权相乘得到初始影像参数,对所述初始影像参数进行全方位计算,得到标准影像参数。
3.根据权利要求1所述的行人重识别方法,其特征在于,还包括:将具有同一行人的所述行人影像数据标注为同一类,并赋于一个数字表示,对不同类的所述行人影像数据赋于不同的数字表示。
4.根据权利要求1所述的行人重识别方法,其特征在于,计算所述待测数据库行人影像、第一数据库行人影像和第二数据库行人影像之间的参数包括:通过特征函数对所述待测数据库行人影像的特征参数与所述第一数据库行人影像和所述第二数据库行人影像的特征参数进行计算,得到相似度参数。
5.根据权利要求4所述的行人重识别方法,其特征在于,根据所述相似度参数完成行人重识别包括:判断所述相似度参数是否超过预期参数;若超过,判定所述行人影像数据与所述待测数据库行人影像数据为同一类数据参数。
6.基于权利要求1-5任一项所述方法的一种行人重识别系统,其特征在于,该系统包括:第一影像获取模块,用于获取多个行人影像,构建样本数据库;分析模块,用于对所述样本数据库进行数据分析,构建行人特征提取数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110924434.0A CN113627352A (zh) | 2021-08-12 | 2021-08-12 | 一种行人重识别方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110924434.0A CN113627352A (zh) | 2021-08-12 | 2021-08-12 | 一种行人重识别方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113627352A true CN113627352A (zh) | 2021-11-09 |
Family
ID=78384826
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110924434.0A Pending CN113627352A (zh) | 2021-08-12 | 2021-08-12 | 一种行人重识别方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113627352A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109271870A (zh) * | 2018-08-21 | 2019-01-25 | 平安科技(深圳)有限公司 | 行人重识别方法、装置、计算机设备及存储介质 |
CN109886242A (zh) * | 2019-03-01 | 2019-06-14 | 中国科学院重庆绿色智能技术研究院 | 一种行人重识别的方法及系统 |
CN110427814A (zh) * | 2019-06-24 | 2019-11-08 | 深圳云天励飞技术有限公司 | 一种骑行者重识别方法、装置及设备 |
CN110874574A (zh) * | 2019-10-30 | 2020-03-10 | 平安科技(深圳)有限公司 | 行人重识别方法、装置、计算机设备及可读存储介质 |
CN112016402A (zh) * | 2020-08-04 | 2020-12-01 | 杰创智能科技股份有限公司 | 基于无监督学习的行人重识别领域自适应方法及装置 |
-
2021
- 2021-08-12 CN CN202110924434.0A patent/CN113627352A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109271870A (zh) * | 2018-08-21 | 2019-01-25 | 平安科技(深圳)有限公司 | 行人重识别方法、装置、计算机设备及存储介质 |
CN109886242A (zh) * | 2019-03-01 | 2019-06-14 | 中国科学院重庆绿色智能技术研究院 | 一种行人重识别的方法及系统 |
CN110427814A (zh) * | 2019-06-24 | 2019-11-08 | 深圳云天励飞技术有限公司 | 一种骑行者重识别方法、装置及设备 |
CN110874574A (zh) * | 2019-10-30 | 2020-03-10 | 平安科技(深圳)有限公司 | 行人重识别方法、装置、计算机设备及可读存储介质 |
CN112016402A (zh) * | 2020-08-04 | 2020-12-01 | 杰创智能科技股份有限公司 | 基于无监督学习的行人重识别领域自适应方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tong et al. | Salient object detection via bootstrap learning | |
CN110033007B (zh) | 基于深度姿态预估和多特征融合的行人衣着属性识别方法 | |
CN110348319A (zh) | 一种基于人脸深度信息和边缘图像融合的人脸防伪方法 | |
CN110929593A (zh) | 一种基于细节辨别区别的实时显著性行人检测方法 | |
CN106557740B (zh) | 一种遥感图像中油库目标的识别方法 | |
CN111274926B (zh) | 图像数据筛选方法、装置、计算机设备和存储介质 | |
CN112861917B (zh) | 基于图像属性学习的弱监督目标检测方法 | |
CN111091080A (zh) | 人脸识别方法及系统 | |
CN115527234A (zh) | 一种基于改进YOLOv5模型的红外图像笼内死鸡识别方法 | |
CN109815923B (zh) | 基于lbp特征与深度学习的金针菇菇头分选识别方法 | |
CN111353447A (zh) | 一种基于图卷积网络的人体骨架行为识别方法 | |
CN113033385A (zh) | 一种基于深度学习的违章建筑遥感识别方法及系统 | |
CN112052730A (zh) | 一种3d动态人像识别监控设备及方法 | |
CN115690514A (zh) | 图像识别方法及相关设备 | |
CN115393666A (zh) | 图像分类中基于原型补全的小样本扩充方法及系统 | |
CN115188031A (zh) | 指纹识别方法、计算机程序产品、存储介质及电子设备 | |
CN110647897B (zh) | 一种基于多部分注意力机制的零样本图像分类识别方法 | |
CN112613341B (zh) | 训练方法及装置、指纹识别方法及装置、电子设备 | |
CN113963295A (zh) | 视频片段中地标识别方法、装置、设备及存储介质 | |
CN115082909A (zh) | 一种肺部病变识别方法及系统 | |
CN111582057B (zh) | 一种基于局部感受野的人脸验证方法 | |
CN113191352A (zh) | 一种基于目标检测和二值图像检测的水表指针读数识别方法 | |
CN116994049A (zh) | 全自动针织横机及其方法 | |
CN116188445A (zh) | 一种产品表面缺陷的检测定位方法、装置及终端设备 | |
CN113627352A (zh) | 一种行人重识别方法和系统 |
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 |