一种行人特征提取方法、装置、设备和存储介质与流程

本申请涉及计算机，尤其涉及一种行人特征提取方法、装置、设备和存储介质。

背景技术：

1、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中是否存在特定行人的技术。通过该行人重识别技术，可在给定一个监控行人图像的情况下，检索跨设备下的该行人图像，旨在弥补固定的摄像头的视觉局限，并且该技术可与行人检测/行人跟踪技术相结合，以广泛应用于智能视频监控、智能安保等领域。

2、由于行人重识别技术依赖于高质量的行人特征，但是如外界光照变化、行人检测不准确、行人姿态变化等因素都增加了提取高质量行人特征的难度，因此，如何提取高质量的行人特征成为行人重识别技术的难点问题。

技术实现思路

1、有鉴于此，为了解决现有技术存在的问题，本申请提供了一种行人特征提取方法、装置、设备和存储介质。

2、第一方面，本申请提供一种行人特征提取方法，包括：

3、获取待识别的行人图像，根据所述行人图像对应生成全局特征图；

4、对所述全局特征图进行聚类并迭代聚类中心，以将所述全局特征图分成多个特征图组；

5、分别从各所述特征图组中提取行人组件特征；

6、将各所述特征图组中的行人组件特征串联成一维向量，将所述一维向量作为目标行人特征。

7、在可选的实施方式中，所述对所述全局特征图进行聚类并迭代聚类中心，以将所述全局特征图分成多个特征图组，包括：

8、将所述全局特征图划分为预定数量的局部区域，并计算各所述局部区域对应类别的第一类中心；其中，一个所述局部区域对应一个类别；

9、多次迭代各所述类别的第一类中心，得到目标类中心；

10、基于所述目标类中心，将所述全局特征图划分为多个特征图组；其中，每个所述特征图组包含一个所述目标类中心。

11、在可选的实施方式中，所述将所述全局特征图划分为预定数量的局部区域，并计算各所述局部区域对应类别的第一类中心，包括：

12、将所述全局特征图按照空间维度大小沿高度方向均分成预定数量的局部区域；

13、对所述全局特征图中各个特征图通道按照相应所述特征图通道的最值所处位置进行初次类别匹配；

14、分别求取每个初次类别匹配到的所有特征图通道的第一均值，并将所述第一均值作为相应类别的第一类中心。

15、在可选的实施方式中，所述对所述全局特征图中各个特征图通道按照相应所述特征图通道的最值所处位置进行初次类别匹配，包括：

16、获取所述全局特征图的各个特征图通道中的最大值对应的局域区域，并识别所述局部区域对应的第一类别；

17、分别构建各所述特征图通道与所述第一类别的第一匹配关系。

18、在可选的实施方式中，所述迭代各所述类别的第一类中心的单次迭代过程，包括：

19、分别计算每个特征图通道与各个所述类中心之间的相对熵；

20、按照所述相对熵，对各个所述特征图通道进行二次类别匹配；

21、分别计算每个二次类别匹配到的所有特征图通道的第二均值，并将所述第二均值作为相应类别的第二类中心。

22、在可选的实施方式中，所述按照所述相对熵，对各个所述特征图通道进行二次类别匹配，包括：

23、获取各个所述特征图通道对应的相对熵的最小值，并确定所述最小值对应的第二类别；

24、分别构建各个所述特征图通道与所述第二类别之间的第二匹配关系。

25、在可选的实施方式中，所述方法还包括：

26、记录所述第一类中心的迭代次数，在所述迭代次数达到预设迭代次数时，获取最后一次迭代产生的第二类中心；

27、将所述第二类中心作为目标类中心。

28、第二方面，本申请提供一种行人特征提取装置，包括：

29、获取模块，用于获取待识别的行人图像，根据所述行人图像对应生成全局特征图；

30、聚类模块，用于对所述全局特征图进行聚类并迭代聚类中心，以将所述全局特征图分成多个特征图组；

31、提取模块，用于分别从各所述特征图组中提取行人组件特征；

32、串联模块，用于将各所述特征图组中的行人组件特征串联成一维向量，将所述一维向量作为目标行人特征。

33、第三方面，本申请提供一种计算机设备，包括存储器和至少一个处理器，所述存储器存储有计算机程序，所述处理器用于执行所述计算机程序以实施前述的行人特征提取方法。

34、第四方面，本申请提供一种计算机存储介质，其存储有计算机程序，所述计算机程序被执行时，实施根据前述的行人特征提取方法。

35、本申请实施例具有如下有益效果：

36、本申请实施例提供了一种行人特征提取方法，该方法包括：获取待识别的行人图像，根据行人图像对应生成全局特征图；对全局特征图进行聚类并迭代聚类中心，以将全局特征图分成多个特征图组；分别从各特征图组中提取行人组件特征；将各特征图组中的行人组件特征串联成一维向量，将一维向量作为目标行人特征。本申请实施例通过对全局特征图进行聚类并多次迭代类中心以得到多个特征图组的处理过程，其原理是基于人体结构信息来实现特征图聚类的自适应处理，进而使得后续从多个特征图组中来提取行人特征时，避免了对人体结构的一致性破坏，从而提取出高质量的行人组件特征，提高了后续基于该行人组件特征来进行识别的准确度和可靠性。

技术特征：

1.一种行人特征提取方法，其特征在于，包括：

2.根据权利要求1所述的行人特征提取方法，其特征在于，所述对所述全局特征图进行聚类并迭代聚类中心，以将所述全局特征图分成多个特征图组，包括：

3.根据权利要求2所述的行人特征提取方法，其特征在于，所述将所述全局特征图划分为预定数量的局部区域，并计算各所述局部区域对应类别的第一类中心，包括：

4.根据权利要求3所述的行人特征提取方法，其特征在于，所述对所述全局特征图中各个特征图通道按照相应所述特征图通道的最值所处位置进行初次类别匹配，包括：

5.根据权利要求2所述的行人特征提取方法，其特征在于，所述迭代各所述类别的第一类中心的单次迭代过程，包括：

6.根据权利要求5所述的行人特征提取方法，其特征在于，所述按照所述相对熵，对各个所述特征图通道进行二次类别匹配，包括：

7.根据权利要求2-6中任一项所述的行人特征提取方法，其特征在于，所述方法还包括：

8.一种行人特征提取装置，其特征在于，包括：

9.一种计算机设备，其特征在于，包括存储器和至少一个处理器，所述存储器存储有计算机程序，所述处理器用于执行所述计算机程序以实施权利要求1-7中任一项所述的行人特征提取方法。

10.一种计算机存储介质，其特征在于，其存储有计算机程序，所述计算机程序被执行时，实施根据权利要求1-7中任一项所述的行人特征提取方法。

技术总结
本申请涉及计算机技术领域，公开了一种行人特征提取方法、装置、设备和存储介质。该方法包括：获取待识别的行人图像，以对应生成全局特征图；对全局特征图进行聚类并迭代聚类中心，以将全局特征图分成多个特征图组；分别从各特征图组中提取行人组件特征；将各特征图组中的行人组件特征串联成一维向量，将一维向量作为目标行人特征。本申请基于人体结构信息来实现特征图聚类的自适应处理，进而使得后续从多个特征图组中来提取行人特征时，避免了对人体结构的一致性的破坏，从而提取出高质量的行人组件特征，提高了后续基于该行人组件特征来进行识别的准确度和可靠性。

技术研发人员：王侃,胡淑萍,董培,庞建新,谭欢
受保护的技术使用者：深圳市优必选科技股份有限公司
技术研发日：
技术公布日：2024/2/1