(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210164980.3 (22)申请日 2022.02.22 (71)申请人 沈阳大学 地址 110044 辽宁省沈阳市大东区望花 南 街21号 (72)发明人 邵一川　李常迪　李思诺　陈醉涵　 马佳星　谭震宇　郭傲　刘金雨　 付雨凡　赵鑫舒　 (74)专利代理 机构 北京中强智尚知识产权代理 有限公司 1 1448 专利代理师 黄耀威 (51)Int.Cl. G06V 40/10(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G06V 10/44(2022.01) G06V 10/46(2022.01) G06V 10/74(2022.01) G06V 10/80(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) (54)发明名称 行人重识别方法及装置、 存 储介质、 终端 (57)摘要 本发明公开了一种行人重识别方法及 装置、 存储介质、 终端， 涉及计算机视觉技术领域， 主要 目的在于解决现有行人重识别准确度较低的问 题。 包括： 获取包含目标行人的第一图像及包含 待识别行人的第二图像； 对第一图像和第二图像 进行关系特征提取， 得到第一图像的第一关系特 征和第二图像的第二关系特征； 利用基于第一关 系特征和第二关系特征确定的亲和矩 阵对第一 关系特征和第二关系特征进行特征整合， 得到第 一图像的第一整合特征和第二图像的第二整合 特征； 分别计算第一关系特征和第二关系特征， 及第一整合特征和第二整合特征的相似度， 并基 于相似度确定行人重识别结果。 主要用于对行人 图像的识别。 权利要求书2页 说明书13页 附图5页 CN 114639116 A 2022.06.17 CN 114639116 A 1.一种行 人重识别方法， 其特 征在于， 包括： 获取包含目标行人的第一图像及包 含待识别行 人的第二图像； 对所述第一图像和所述第 二图像进行关系特征提取， 得到所述第 一图像的第 一关系特 征和所述第二图像的第二关系特征， 所述第一关系特征和所述第二关系特征是基于所述第 一图像和所述第二图像的关键点特 征内容提取到的； 利用基于所述第一关系特征和所述第二关系特征确定的亲和矩阵对所述第一关系特 征和所述第二关系特征进 行特征整合， 得到所述第一图像的第一整合特征和所述第二图像 的第二整合特 征； 分别计算所述第一关系特征和所述第 二关系特征， 及所述第 一整合特征和所述第 二整 合特征的相似度， 并基于所述相似度确定行 人重识别结果。 2.根据权利要求1所述的方法， 其特征在于， 所述利用基于所述第 一关系特征和所述第 二关系特征确定的亲和矩阵对所述第一关系特征和所述第二关系特征进 行特征整合之前， 所述方法还 包括： 利用全连接层和参数修正激活函数对所述第一关系特征和所述第二关系特征进行激 活处理， 得到第一激活特 征和第二激活特 征； 对所述第一激活特征和所述第 二激活特征进行图匹配处理， 得到所述第 一图像和所述 第二图像之间的亲和矩阵； 所述亲和矩阵用于表征 所述第一图像的关键点和所述第二图像的关键点之间的关系。 3.根据权利要求1或2所述的方法， 其特征在于， 所述利用基于所述第一关系特征和所 述第二关系特征确定的亲和矩阵对所述第一关系特征和所述第二关系特征进 行特征整合， 得到所述第一图像的第一整合特 征和所述第二图像的第二整合特 征， 包括： 利用所述亲和矩阵分别对所述第 一关系特征和所述第 二关系特征进行修正， 并将修正 结果与对应关系特 征进行拼接整合处 理， 得到第一整合特 征和第二整合特 征。 4.根据权利要求1所述的方法， 其特征在于， 所述对所述第 一图像和所述第 二图像进行 关系特征提取， 得到所述第一图像的第一关系特 征和所述第二图像的第二关系特 征， 包括： 利用训练完成的行人重识别模型分别提取所述第 一图像和所述第 二图像的关键点图， 并根据所述关键点图进行特征提取， 得到所述第一图像的第一关键点特征和所述第二图像 的第二关键点特 征， 所述关键点图用于展示图像中行 人身体各部位的关键点； 利用所述训练完成的行人重识别模型分别对所述第一关键点特征和所述第二关键点 特征进行关系特征提取， 得到用于表征图像中关键点之 间关系的第一关系特征和 第二关系 特征。 5.根据权利要求4所述的方法， 其特征在于， 所述根据所述关键点图进行特征提取， 得 到所述第一图像的第一关键点特 征和所述第二图像的第二关键点特 征， 包括： 根据所述关键点图分别提取全局特征图， 并根据所述全局特征图进行特征提取， 得到 所述第一图像的第一全局特征和所述第二图像的第二全局特征， 其中， 所述全局特征图用 于展示图像中行 人的轮廓特 征； 根据所述关键点图和所述全局特征图进行特征提取， 得到第 一关键点特征和第 二关键 点特征； 所述利用所述训练完成的行人重识别模型分别对所述第一关键点特征和所述第二关权　利　要　求　书 1/2 页 2 CN 114639116 A 2键点特征进行关系特征提取， 得到用于表征图像中关键点之间关系的第一关系特征和 第二 关系特征， 包括： 根据所述第 一关键点特征和所述第 一全局特征， 及所述第 二关键点特征和所述第 二全 局特征分别进行关系特 征提取， 得到第一关系特 征和第二关系特 征。 6.根据权利要求1所述的方法， 其特征在于， 所述分别计算所述第 一关系特征和所述第 二关系特征， 及所述第一整合特征和所述第二整合特征 的相似度， 并基于所述相似度确定 行人重识别结果， 包括： 根据所述第 一关系特征和所述第 二关系特征的第 一相似度， 及所述第 一整合特征和所 述第二整合特 征的第二相似度， 确定整体相似度； 若所述整体相似度大于等于预设相似度阈值， 则确定所述待识别行人为所述目标行 人； 若所述整体相似度小于预设相似度阈值， 则确定所述待识别行 人非所述目标 行人。 7.根据权利要求1所述的方法， 其特征在于， 所述获取包含目标行人的第 一图像及包含 待识别行 人的第二图像之前， 所述方法还 包括： 构建包括特 征提取网络和特 征整合网络的初始行 人重识别网络模型； 利用获取的样本图像对所述初始行人重识别网络模型进行训练， 得到训练完成的行人 重识别网络模型。 8.一种行 人重识别装置， 其特 征在于， 包括： 获取模块， 用于获取包 含目标行人的第一图像及包 含待识别行 人的第二图像； 提取模块， 用于对所述第一图像和所述第二图像进行关系特征提取， 得到所述第一图 像的第一关系特征和所述第二图像的第二关系特征， 所述第一关系特征和所述第二关系特 征是基于所述第一图像和所述第二图像的关键点特 征内容提取到的； 整合模块， 用于利用基于所述第 一关系特征和所述第 二关系特征确定的亲和矩阵对所 述第一关系特征和所述第二关系特征进行特征整合， 得到所述第一图像的第一整合特征和 所述第二图像的第二整合特 征； 确定模块， 用于分别计算所述第一关系特征和所述第二关系特征， 及所述第一整合特 征和所述第二整合特 征的相似度， 并基于所述相似度确定行 人重识别结果。 9.一种存储介质， 所述存储介质中存储有至少一可执行指令， 所述可执行指令使处理 器执行如权利要求1 ‑7中任一项所述的行 人重识别方法对应的操作。 10.一种终端， 包括： 处理器、 存储器、 通信 接口和通信总 线， 所述处理器、 所述存储器和 所述通信接口通过 所述通信总线完成相互间的通信； 所述存储器用于存放至少一可执行指令， 所述可执行指令使所述处理器执行如权利要 求1‑7中任一项所述的行 人重识别方法对应的操作。权　利　要　求　书 2/2 页 3 CN 114639116 A 3