(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 202210752417.8 (22)申请日 2022.06.29 (71)申请人 厦门理工学院 地址 361024 福建省厦门市集美区理工路 600号 (72)发明人 曾志强　王晓栋　谢荣生　严菲　 (74)专利代理 机构 合肥数字代码知识产权代理 有限公司 3425 3 专利代理师 韩兵 (51)Int.Cl. G06V 40/10(2022.01) G06V 40/16(2022.01) G06V 20/52(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01)G06V 10/80(2022.01) G06V 10/82(2022.01) G06V 10/74(2022.01) G06N 3/04(2006.01) G06N 5/00(2006.01) G06N 20/00(2019.01) (54)发明名称 一种基于变速率条件下行人重识别方法及 系统 (57)摘要 本发明适用于图像处理技术领域， 提供了一 种基于变速率条件下行人重识别方法及系统， 用 于终端系统， 解决了难以实现对移动过程中人脸 进行识别， 获得高质量人脸图片， 使得目标追踪 稳定性较差的问题； 所述基于变速率条件下行人 重识别方法包括： 获取前端采集器采集到的待识 别的监控视频流； 对图像帧集进行预处理， 得到 校正后图像帧集； 对校正后图像帧集进行拆解， 然后确认待识别的监控视频流对应的人脸身份 信息； 本发 明通过对前端采集器采集到的待识别 的监控视频流进行预处理和校正， 然后建立标准 人脸识别库， 并监控视频流与标准人脸识别库进 行匹配， 最终获取行人的人脸重识别结果， 实现 了对行人的精 准定位和识别， 提高了查询匹配效 率。 权利要求书3页 说明书10页 附图7页 CN 114998936 A 2022.09.02 CN 114998936 A 1.一种基于变速率条件下行人重识别方法， 其特征在于， 用于终端系统， 所述基于变速 率条件下 行人重识别方法包括： 获取前端采集器采集到的待识别的监控视频流； 基于视频解码模块提取监控视频流， 将监控视频流转码为多组图像帧， 所述多组图像 帧的集合形成图像帧集， 对图像帧集进行 预处理， 得到校正后图像帧集； 提取校正后图像帧集， 对校正后图像帧集进行拆解， 基于预设的人脸特征点识别模型 对拆解后图像帧集中人脸特征点进行识别， 得到多组图像帧对应的多组模态转换查询组 合； 以模态转换查询组合为输入， 将模态转换查询组合与标准人脸识别库进行匹配， 当模 态转换查询组合与标准人脸识别库之 间的匹配度大于预设阈值区间时， 确认待识别的监控 视频流对应的人脸身份信息 。 2.如权利要求1所述的一种基于变速率条件下行人重识别方法， 其特征在于， 所述基于 视频解码模块 提取监控视频流， 将监控视频流 转码为多组图像帧的方法， 具体包括： 响应待转码的监控视频流获取指令， 判断监控视频流是否获取成功， 获取待转码的监 控视频流； 通过VideoCapture类的get函数获取监控视频流的宽、 高、 帧率和总帧数； 提取包含宽、 高、 帧率和总帧数的待转码的监控视频流， 基于VideoCapture类 的get函 数设定视频流画 面分辨率阈值， 判断待转码的监控视频流中 帧画面图像帧分辨率是否大于 视频流画面分辨 率阈值， 实现对监控视频流中图像帧的初选 。 3.如权利要求2所述的一种基于变速率条件下行人重识别方法， 其特征在于， 所述对图 像帧集进行 预处理， 得到校正后图像帧集的方法， 具体包括： 获取初选后的监控视频流中图像帧集； 基于image registration软件、 Dx O PhotoLab  for mac软件、 P icture Cleaner软件或 OpenCV软件中的一种或几种的组合对监控视频流中图像帧集进行精度校正； 得到校正后图像帧集。 4.如权利要求1所述的一种基于变速率条件下行人重识别方法， 其特征在于， 所述对校 正后图像帧集进行拆解的方法， 具体包括： 提取校正后图像帧集； 遍历校正后图像帧集， 将校正后图像帧集中每组图像帧转换为规格尺寸不同的图像数 据流， 对图像数据流进行定义； 提取定义后的图像数据流， 通过卷积分算法对定义后的图像数据流进行拆解， 获取拆 解后的图像数据流。 5.如权利要求4所述的一种基于变速率条件下行人重识别方法， 其特征在于， 所述对图 像数据流进行定义分为图像数据流的属性定义、 图像数据流的像素定义以及图像数据流的 特征定义。 6.如权利要求3所述的一种基于变速率条件下行人重识别方法， 其特征在于， 所述通过 卷积分算法对定义后的图像数据流进行拆解的方法， 具体包括： 设置卷积分算法模型， 将卷积分算法模型分为三层， 其中， 第一层设置为64个3 ×3×3 的卷积核， 第二层设置为32个3 ×3×3的卷积核， 第三层设置为16个3 ×3×3的卷积核；权　利　要　求　书 1/3 页 2 CN 114998936 A 2提取定义后的图像数据流， 基于卷积分算法模型对图像数据流进行分类， 获取图像数 据流的分类结果， 其中， 图像数据流的分类结果的输出公式为： 其中， Rn表示图像数据流的分类结果， δ表示图像分类时数据变化幅度， ρ 表示图像分类 时变量函数曲率， α 以及β 为分类常数； 以图像数据流的分类结果为输入， 执行卷积分算法模型分解算， 得到 图像数据流拆解 结果， 其中， 图像数据流拆解结果的输出公式为： 其中， 图像数据流拆解结果为Z， 图像数据流的分类结果为R1， R2， R3， 其中的i表示为拆 解后的图像信息， L 为输入图像信息总量， 当Zi为0时， 图像信息分解到最小。 7.如权利要求6所述的一种基于变速率条件下行人重识别方法， 其特征在于， 所述标准 人脸识别库的建立方法， 具体包括： 获取多个标准人脸样本， 基于卷积分算法对标准人脸样本进行拆解， 获取标准特征点 集合； 基于Bootstrap采样选出n个标准特征点样本， 从人脸面部特征属性中随机选择S个属 性， 选择最佳分割属性作为创建数据库匹配决策树的匹配节点； 重复以上步m次， 建立了m棵匹配决策树， 形成数据库匹配随机森林。 8.如权利要求7所述的一种基于变速率条件下行人重识别方法， 其特征在于， 所述将模 态转换查询组合与标准人脸识别库进行匹配的方法， 具体包括： 获取模态转换查询组合， 以模态转换查询组合为输入， 与 标准人脸识别库进行匹配， 分 别进行正向查询和反向查询， 得到正向查询和反向查询可信度； 提取正向查询和反向查询可信度， 对正向查询和反向查询进行加权融合， 得到包含线 性融合和非线性融合的多模态融合相似度距离； 提取多模态融合相似度距离结果进行图像数据流重识别， 得到最终的匹配结果。 9.一种基于权利要求1 ‑8任一所述的基于变速率条件下行人重识别方法的基于变速率 条件下行人重识别系统， 其特 征在于， 所述基于变速率条件下 行人重识别系统包括： 视频流获取模块， 用于获取 前端采集器采集到的待识别的监控视频流； 图像帧集校正模块， 基于视频解码模块提取监控视频流， 将监控视频流转码为多组图 像帧， 所述多组图像帧的集合形成图像帧集， 对图像帧集进行预处理， 得到校正后图像帧 集； 查询组合获取模块， 用于提取校正后图像帧集， 对校正后图像帧集进行拆解， 基于预设 的人脸特征点识别模型对拆解后图像帧集中人脸特征点进 行识别， 得到多组图像帧对应的 多组模态转换查询组合； 人脸身份信息确认模块， 用于以模态转换查询组合为输入， 将模态转换查询组合与标 准人脸识别库进 行匹配， 当模态转换查询组合与标准人脸识别库之 间的匹配度大于预设阈 值区间时， 确认待识别的监控视频流对应的人脸身份信息 。 10.如权利要求9所述的一种基于变速率条件下行人重识别系统， 其特征在于， 所述图权　利　要　求　书 2/3 页 3 CN 114998936 A 3