(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 202210569097.2 (22)申请日 2022.05.24 (71)申请人 康佳集团股份有限公司 地址 518057 广东省深圳市南 山区粤海街 道科技园科技南十二路28号康佳研发 大厦15-24层 (72)发明人 张治军　林敏强　蒋浩　 (74)专利代理 机构 深圳市君胜知识产权代理事 务所(普通 合伙) 44268 专利代理师 吴志益　温宏梅 (51)Int.Cl. G06V 40/10(2022.01) G06V 10/44(2022.01) G06V 10/74(2022.01) G06V 10/764(2022.01)G06V 10/77(2022.01) G06K 9/62(2022.01) (54)发明名称 一种行人重识别处理方法、 系统、 终端及存 储介质 (57)摘要 本发明公开了一种行人重识别处理方法、 系 统、 终端及存储介质， 所述方法包括： 获取降维处 理后的候选集行人序列特征和查询集行人序列 特征， 分别根据候选集行人序列特征和查询集行 人序列特征建立候选集高斯混合模型和查询集 高斯混合模型； 获取查询集序列， 将所述查询集 序列分别输入到所述候选集高斯混合模型和所 述查询集高斯混合模型， 分别对生成的所述第一 概率分布特征数据和所述第二概率分布特征数 据进行相似性度量处理， 并根据相似性从大到小 进行排序， 得到相似性最大的两种概率分布。 本 发明利用主成分分析和 高斯混合模型解决了多 粒度超图算法计算量大和识别率低与固定摄像 机监控区域局限的问题， 并提高了跨摄像头行人 重识别的准确率。 权利要求书2页 说明书9页 附图3页 CN 114842509 A 2022.08.02 CN 114842509 A 1.一种行 人重识别处 理方法， 其特 征在于， 所述行 人重识别处 理方法包括： 获取降维处理后的候选集行人序列 特征和查询集行人序列特征， 分别根据所述候选集 行人序列特征和所述查询集行人序列特征建立候选集高斯混合模型和 查询集高斯混合模 型； 获取查询集序列， 将所述查询集序列分别 输入到所述候选集高斯混合模型和所述查询 集高斯混合模型， 分别生成第一 概率分布特 征数据和第二 概率分布特 征数据； 对所述第一概率分布特征数据和所述第 二概率分布特征数据进行相似性度量处理， 并 根据相似性从大到小 进行排序， 得到相似性 最大的两种概 率分布。 2.根据权利要求1所述的行人重识别处理方法， 其特征在于， 所述获取降维处理后的候 选集行人序列特征和查询集行人序列特征， 分别根据候选集行人序列特征和查询集行人序 列特征建立候选集高斯混合模型和查询集高斯混合模型， 具体包括： 利用主成分分析技术分别将候选集行人序列特征和查询集行人序列特征的n维 降到k 维上； 在完成行人序列特征的降维后， 获取所述候选集行人序列特征的第 一主要特征分量和 所述查询集行 人序列特 征的第二主 要特征分量； 基于所述第一主要特征分量和所述第二主要特征分量分别建立候选集高斯混合模型 和查询集高斯混合模型。 3.根据权利要求2所述的行人重识别处理方法， 其特征在于， 所述k维是基于n维特征重 新构造出k个与原 始数据中方差最大的正交特 征坐标轴。 4.根据权利要2所述的行人重识别处理方法， 其特征在于， 所述n维为2048维度， k维为 300维度。 5.根据权利要求1所述的行人重识别处理方法， 其特征在于， 所述对所述第 一概率分布 特征数据和所述第二概率分布特征数据进 行相似性度量处理， 并根据相似性从大到小进 行 排序， 得到相似性 最大的两种概 率分布， 具体包括； 通过使用数据集对所述第一概率分布特征数据和所述第二概率分布特征数据用KL散 度来进行相似性度量， 得 出特征数据的相似性数值； 将所述相似性数值从大到小进行排序， 得到的相似性最大的两种概率分布为行人识别 的结果。 6.根据权利要求5所述的行人重识别处理方法， 其特征在于， 所述数据集包括MARS数据 集、 iLIDS‑VID数据集、 DukeMTM C数据集、 LS ‑VID数据集和prid_201 1数据集。 7.根据权利要求5所述的行人重识别处理方法， 其特征在于， 所述KL散度越小表示两种 概率分布相似性越大。 8.一种行 人重识别处 理系统， 其特 征在于， 所述行 人重识别处 理系统包括： 模型建立模块， 用于获取降维处理后的候选集行人序列特征和查询集行人序列特征， 分别根据候选集行人序列特征和 查询集行人序列特征建立候选集高斯混合模型和 查询集 高斯混合模型； 特征数据生成模块， 用于获取查询集序列， 将所述查询集序列分别输入到所述候选集 高斯混合模型和所述查询集高斯混合模型， 分别生成第一概率分布特征数据和 第二概率分 布特征数据；权　利　要　求　书 1/2 页 2 CN 114842509 A 2识别结果模块， 用于对所述第 一概率分布特征数据和所述第 二概率分布特征数据进行 相似性度量处 理， 并根据相似性从大到小 进行排序， 得到相似性 最大的两种概 率分布。 9.一种终端， 其特征在于， 所述终端包括： 存储器、 处理器及存储在所述存储器上并可 在所述行人重识别处理程序， 所述行人重识别处理程序被所述处理器执行时实现如权利要 求1‑7任一项所述的行 人重识别处 理方法的步骤。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有行人重识 别处理程序， 所述行人重识别处理程序被处理器执行时实现如权利要求1 ‑7任一项所述的 行人重识别处 理方法的步骤。权　利　要　求　书 2/2 页 3 CN 114842509 A 3