掌桥专利:专业的专利平台
掌桥专利
首页

一种多摄像头的行人重识别方法及系统

文献发布时间:2023-06-19 12:07:15


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。

相关技术
  • 一种多摄像头的行人重识别方法及系统
  • 基于摄像头风格迁移和单标注的行人重识别方法及系统
技术分类

06120113176948