(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 202210786467.8 (22)申请日 2022.07.06 (71)申请人 中航信移动科技有限公司 地址 100041 北京市石景山区田顺庄北路1 号院1号楼12层1201室 (72)发明人 唐红武　章凡寿　薄满辉　王殿胜　 籍焱　王仲侯　 (74)专利代理 机构 北京锺维联合知识产权代理 有限公司 1 1579 专利代理师 安娜 (51)Int.Cl. G06V 20/52(2022.01) G06V 20/40(2022.01) G06V 40/10(2022.01) G06V 10/74(2022.01) (54)发明名称 一种行人识别方法、 电子设备及存 储介质 (57)摘要 本申请提供一种行人识别方法、 电子 设备及 存储介质， 包括： 获取目标视频帧集合P； 持续监 控所述目标视频帧集合中目标视频帧的数量， 当 所述目标视频帧集合内的目标视频帧的数量大 于预设阈值时， 确定所述目标视频帧集合中所述 目标人物对应的姿态类型的数量； 获取所述目标 视频帧集合对应的目标姿态集合V； 根据P获取V1 对应的第一目标特征向量TV1； 从第一数据库获 取第一候选特征向量集合YV1； 确定TV1和YV1中每 一候选特征向量的相似度， 得到第一相似度集合 SV1； 若max(SV1)大于或等于相似度阈值λ， 则建 立max(SV1)对应的候选身份信息与所述目标视 频帧集合之间的关联关系。 本申请能够针对性的 从第一数据库中选取同姿态类型的候选特征向 量进行相似度对比。 权利要求书2页 说明书8页 附图1页 CN 114937246 A 2022.08.23 CN 114937246 A 1.一种行 人识别方法， 其特 征在于， 包括： 步骤S100， 响应于目标人物进入目标摄像头的拍摄范围， 使用单镜头跟踪器对所述目 标人物进行跟踪拍摄， 以获取所述目标人物对应的目标视频帧集合P={(P1,ZP1),(P2,ZP2), (P3,ZP3),...,(Pn,ZPn)}； 其中， Pi为包含所述目标人物的第i个目标视频帧， ZPi为Pi中所述 目标人物的姿态类型， 1≤i≤n； 所述目标视频帧集合内的目标视频帧的数量随所述目标人 物在所述拍摄范围内停留时间的增长而增 加， n为P中目标视频帧集的数量； 步骤S200， 持续监控所述目标视频帧集合中目标视频帧的数量， 当所述目标视频帧集 合内的目标视频帧的数量大于预设阈值时， 确定所述目标视频帧集合中所述目标人物对应 的姿态类型的数量； 步骤S300， 在所述姿态类型的数量大于1的情况下， 根据预设的姿态类型优先级列表， 获取所述目标视频帧集合对应的目标姿态集合V={V1,V2,...,Vm}， m≥2， 其中， Vj为目标视 频帧集合中包含的第j个目标姿态类型， 1≤j≤m； V中的m个目标姿态类型按姿态类型优先 级从高到低的顺序排列； 步骤S400， 根据P获取V1对应的第一目标 特征向量TV1； 步骤S500， 从第一数据库获取第一候选特征向量集合YV1={YV11,YV12,YV13,...,YV1H(V1)}； 其中， YV1k为第k个对应的姿态类型为V1的候选特征向量， H(V1)为第一数据库中对应的姿态 类型为V1的候选特征向量的数量， 1≤k≤H(V1)； 在所述第一数据库中， 每一候选特征向量 均具有唯一对应的候选身份信息和唯一对应的姿态类型， 每一候选身份信息具有至少一个 对应的候选特 征向量； 步骤S600， 确定TV1和YV1中每一候选特征向量的相似度， 得到第一相似度集合SV1={SV11, SV12,SV13,...,SV1H(V1)}， 其中， SV1k为TV1和YV1k之间的相似度； 步骤S700， 若max(SV1)大于或等于相似度阈值 λ， 则建立max(SV1)对应的候选身份信息与 所述目标视频帧集 合之间的关联关系， max()为预设的最大值确定函数。 2.根据权利要求1所述的行人识别方法， 其特征在于， 在所述步骤S700之后， 所述方法 还包括： 步骤S800， 响应于所述目标人物离开所述目标摄像头的拍摄范围， 将所述目标视频帧 集合存储至第二数据库。 3.根据权利要求1所述的行 人识别方法， 其特 征在于， 所述 步骤S700， 还包括： 步骤S710， 若max(SV1)小于相似度阈值 λ， 根据P获取V 2对应的第二目标 特征向量TV2； 步骤S710， 从第一数据库获取第二候选特征向量集合YV2={YV21,YV22,YV23,...,YV2H(V2)}； 其中， YV2c为第c个对应的姿态类型为V2的候选特征向量， H(V2)为第一数据库中对应的姿态 类型为V2的候选特 征向量的数量， 1≤ c≤H(V2)； 步骤S720， 确定TV2和YV2中每一候选特征向量的相似度， 得到第二相似度集合SV2={SV21, SV22,SV23,...,SV2H(V2)}， 其中， SV2c为TV2和YV2c之间的相似度； 步骤S730， 若max(SV2)大于或等于相似度阈值 λ， 则建立max(SV2)对应的候选身份信息与 所述目标视频帧集 合之间的关联关系。 4.根据权利要求1所述的行 人识别方法， 其特 征在于， 所述 步骤S400， 包括： 步骤S410， 根据V1对P进行遍历， 对姿态类型与V1相同的目标视频帧进行提取， 得到待 处理视频帧集合W={W1,W2,W3,...,Wf(V1)}； 其中， Wb为P中第b个对应的姿态类型为V1的目权　利　要　求　书 1/2 页 2 CN 114937246 A 2标视频帧， f(V1)为P中对应的姿态类型为V1的目标视频帧的数量， 1≤b≤f(V1)； 步骤S420， 根据W， 得到原始目标特征向量集合U={UW1,UW2,UW3,...,UWf(V1)}； 其中， UWb为 对Wb中目标 人物进行 特征提取得到的原 始目标特征向量； 步骤S430， 获取TV1=Avg(U)， Avg()为预设的平均向量确定函数。 5.根据权利要求1所述的行人识别方法， 其特征在于， 在所述步骤S700之后， 所述方法 还包括： 步骤S910， 根据max(SV1)对应的候选身份信息从第一数据库中， 获取历史姿态集合L； L 由第一数据库中， max(SV1)对应的候选身份信息所关联的所有历史姿态类型组成； 步骤S920， 确定姿态差集Q是否为空集， Q=L ‑V； 若否， 则根据P中对应姿态类型与Q中历 史姿态类型相同的目标视频帧， 确定出Q中每一历史姿态类型对应的补充 姿态向量； 步骤S930， 将至少一个所述补充姿态向量存储至所述第一数据库， 并建立m ax(SV1)对应 的候选身份信息与所述补充 姿态向量对应的关联关系。 6.根据权利要求1所述的行 人识别方法， 其特 征在于， SV1k=(||TV1||×||YV1k||‑TV1·YV1k)/||TV1||×||YV1k||。 7.根据权利要求1所述的行 人识别方法， 其特 征在于， λ∈[0.75,0.9 9]。 8.根据权利要求1所述的行 人识别方法， 其特 征在于， λ= 0.85。 9.一种电子设备， 其特 征在于， 包括处 理器和存 储器； 所述处理器通过调用所述存储器存储的程序或指令， 用于执行如权利要求1至8任一项 所述方法的步骤。 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程序或指 令， 所述程序或指令使计算机执 行如权利要求1至8任一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 114937246 A 3