申请/专利权人：南京信息工程大学

申请日：2020-12-22

公开（公告）日：2023-05-23

公开（公告）号：CN112580525B

主分类号：G06V20/40

分类号：G06V20/40;G06V20/52;G06V10/25;G06V10/774;G16H50/80

优先权：

专利状态码：有效-授权

法律状态：2023.05.23#授权;2021.04.16#实质审查的生效;2021.03.30#公开

摘要：本发明公开了一种基于行人再识别的病例活动轨迹监测方法，包括以下步骤：对视频进行预处理，将视频分割为连续的帧，进行统一初始化；基于PyTorch搭建一个基于视频序列的局部对齐行人再识别框架；将MARS行人再识别数据集划分为训练集和测试集两部分，加载训练集对神经网络进行训练；采用MARS测试集对训练得到的模型进行测试，寻找最优模型；在不同场景中获取待查询的行人图像视频，计算与目标视频库中特征距离最近的若干项作为匹配项，依据拍摄位置信息获取行人轨迹。对现有的行人再识别算法进行改进优化，解决特征提取不鲁棒、准确率低的问题，将行人再识别技术应用到轨迹监测上，方便快速地追踪到潜在被传染者，从而为疫情的防控带来便捷。

主权项：1.一种基于行人再识别的病例活动轨迹监测方法，其特征在于，包括以下步骤：S1、利用组网摄像头获取行人视频信息，采用目标检测算法检测出行人，采用目标跟踪算法获得一系列行人检测框，对视频进行预处理，将视频分割为连续的帧，所有帧进行统一初始化；S2、基于PyTorch搭建一个基于视频序列的局部对齐行人再识别框架；S3、将MARS行人再识别数据集划分为训练集和测试集两部分，加载训练集对神经网络进行训练；S4、采用MARS测试集对训练得到的模型进行测试，寻找最优模型；S5、在不同场景中获取待查询的行人图像视频，计算与目标视频库中特征距离最近的若干项作为匹配项，依据拍摄位置信息获取行人轨迹；其中，S2包括：S2.1提取具有判别力的局部参照特征，为局部特征对齐提供基准；S2.2采用了基于关联度的注意力机制；S2.3根据注意力权重来分解局部特征；所述S2.1中局部参照特征的提取方法包括：S2.1.1通过一个卷积层、BN层、Sigmoid激活层实现一个图像质量评估网络；S2.1.2选出质量最高的帧作为参照帧；S2.1.3局部参照特征采用了基于行人关键点划分，将参照帧的行人划分成了头部、身体、腿部三个区域；S2.1.4采用ROI最大池化、ROI平均池化提取参照特征；所述S2.2中基于关联度的注意力机制包括：S2.2.1通过将行人特征映射的每个像素单位的特征向量与参照特征向量进行如下计算：像素单位特征向量-参照特征向量2，获得该像素单位的关联度；S2.2.2将最终得到的关联度矩阵通过BN层和Sigmoid激活层，将1与每个元素相减，得到基于关联度的注意力矩阵；所述S2.3中局部特征的分解过程包括：S2.3.1将基于关联度的注意力矩阵与特征映射相乘；S2.3.2采用全局最大池化提取帧级特征；S2.3.3对注意力矩阵在空间维度取平均，获得时间注意力得分；S2.3.4对帧级特征进行加权求和，得到局部特征。

全文数据：

权利要求：

百度查询： 南京信息工程大学 一种基于行人再识别的病例活动轨迹监测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD