(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210689509.6 (22)申请日 2022.06.17 (65)同一申请的已公布的文献号 申请公布号 CN 114783037 A (43)申请公布日 2022.07.22 (73)专利权人 浙江大华 技术股份有限公司 地址 310051 浙江省杭州市滨江区滨安路 1187号 (72)发明人 唐邦杰　潘华东　殷俊　金恒　 (74)专利代理 机构 深圳市威世博知识产权代理 事务所(普通 合伙) 44280 专利代理师 何倚雯 (51)Int.Cl. G06V 40/16(2022.01) G06V 40/10(2022.01)G06V 20/40(2022.01) G06V 10/80(2022.01) G06V 10/74(2022.01) (56)对比文件 CN 112488071 A,2021.0 3.12 CN 105139040 A,2015.12.09 CN 114357216 A,202 2.04.15 CN 110796079 A,2020.02.14 审查员 李亚楠 (54)发明名称 目标重识别方法、 目标重识别装置和计算机 可读存储介质 (57)摘要 本申请公开了一种目标重识别方法、 目标重 识别装置和计算机可读存储介质， 该方法包括： 对待检测视频进行处理， 得到针对抓拍目标的抓 拍图像集； 响应于抓拍图像集中存在第一图像以 及抓拍目标的多个姿态对应的第二图像， 对第一 图像中包含的人脸进行处理得到抓拍目标的人 脸特征， 对多个姿态对应的第二图像包含的人体 进行处理得到多个姿态的头肩特征和多个姿态 的人体特征； 对多个姿态的头肩特征进行融合得 到多姿态头肩特征， 对多个姿态的人体特征进行 融合得到多姿态人体特征； 基于人脸特征、 多姿 态人体特征以及多姿态头肩特征， 生成重识别结 果， 重识别结果包括抓拍目标是否是历史抓拍目 标。 通过上述方式， 本申请能够提升去重准确率。 权利要求书3页 说明书12页 附图4页 CN 114783037 B 2022.11.22 CN 114783037 B 1.一种目标重识别方法， 其特 征在于， 包括： 对待检测视频进行处 理， 得到针对抓拍目标的抓拍图像集； 响应于所述抓拍图像集中存在第一图像以及所述抓拍目标的多个姿态对应的第二图 像， 对所述第一图像中包含的人脸进行处理得到所述抓拍目标的人脸特征， 对所述多个姿 态对应的第二图像包含的人体进行处理得到所述多个姿态的头肩特征和所述多个姿态的 人体特征； 其中， 所述多个姿态包括 正向姿态、 侧向姿态或背向姿态； 对所有所述姿态的头肩特 征进行平均， 得到多 姿态头肩特 征； 对所有所述姿态的人体特 征进行平均， 得到多 姿态人体特 征； 对所述第二图像中的抓拍目标进行属性识别处 理， 得到属性特 征； 基于所述人脸特征、 所述多姿态人体特征、 所述多姿态头肩特征以及所述属性特征， 生 成重识别结果； 所述重识别结果包括所述 抓拍目标 是否是历史抓拍目标； 其中， 所述基于所述人脸特征、 所述多姿态人体特征、 所述多姿态头肩特征以及所述属 性特征， 生成重识别结果的步骤， 包括： 获取所述抓拍目标的人脸质量评分以及人脸完整度； 响应于所述人脸质量评分大于第一预设评分阈值且所述人脸完整度大于第一预设完 整度阈值， 计算所述抓拍目标的人脸特征与所述历史抓拍目标的人脸特征之间的相似度， 得到人脸相似度； 判断所述人脸相似度是否大于第一预设相似度； 若是， 则确定所述重识别结果为所述抓拍目标是所述历史抓拍目标； 若否， 则确定所述 重识别结果 为所述抓拍目标不是 所述历史抓拍目标； 响应于所述人脸质量评分小于或等于所述第 一预设评分阈值， 或所述人脸完整度小于 或等于所述第一预设完整度阈值， 获取 所述抓拍目标的人体质量评分以及人体完整度； 响应于所述人体质量评分大于第二预设评分阈值且所述人体完整度大于第二预设完 整度阈值， 基于所述多 姿态人体特 征与所述属性特 征， 生成所述重识别结果； 响应于所述人体质量评分小于或等于所述第 二预设评分阈值， 或所述人体完整度小于 或等于所述第二预设完整度阈值， 计算所述抓拍目标的多姿态头肩特征与所述历史抓拍目 标的多姿态头肩特 征之间的相似度， 得到 头肩相似度； 判断所述头肩相似度是否大于第四预设相似度； 若是， 则确定所述重识别结果 为所述抓拍目标 是所述历史抓拍目标； 若否， 则确定所述重识别结果 为所述抓拍目标不是 所述历史抓拍目标。 2.根据权利要求1所述的目标重识别方法， 其特 征在于， 所述方法还 包括： 响应于所述抓拍图像集中不存在所述第一图像但存在所述抓拍目标的多个姿态对应 的第二图像， 对所述多个姿态对应的第二图像包含的人体进 行处理得到所述多个姿态的头 肩特征和所述多个姿态的人体特 征； 基于所述多 姿态人体特 征与所述多 姿态头肩特 征， 生成所述重识别结果。 3.根据权利要求2所述的目标重识别方法， 其特征在于， 所述基于所述多姿态人体特征 与所述多 姿态头肩特 征， 生成所述重识别结果的步骤， 包括： 基于所述多姿态人体特征、 所述多姿态头肩特征以及所述属性特征， 生成所述重识别 结果。权　利　要　求　书 1/3 页 2 CN 114783037 B 24.根据权利要求3所述的目标重识别方法， 其特征在于， 所述待检测视频包括待检测图 像， 所述对待检测视频进行处 理， 得到针对抓拍目标的抓拍图像集的步骤， 包括： 对所述待检测图像进行目标检测处 理， 得到检测结果； 基于所述检测结果， 对所述抓拍目标进行跟踪处理， 得到跟踪结果， 所述跟踪结果包括 所述抓拍目标的相关信息， 所述相关信息包括所述抓拍目标的人脸位置信息与人体位置信 息， 所述人脸 位置信息为所述人脸所在的位置， 所述人体位置信息为所述人体所在的位置； 获取与所述跟踪结果中抓拍目标的人脸 位置信息对应的图像， 得到第一待评估图像； 获取与所述跟踪结果中抓拍目标的人体位置信息对应的图像， 得到第二待评估图像； 基于所述第一待评估图像与所述第二待评估图像， 生成所述 抓拍图像集。 5.根据权利要求4所述的目标重识别方法， 其特征在于， 所述第 二图像包括人体图像与 头肩图像， 所述基于所述第一待评估图像与所述第二待评估图像， 生成所述抓拍图像集的 步骤， 包括： 对所述第一待评估图像进行质量评估处 理， 得到人脸质量评分； 对所述第二待评估图像进行质量评估处 理， 得到人体质量评分； 基于所述人脸质量评分， 从所有所述第一待评估图像中筛 选出所述第一图像； 基于所述人体质量评分， 从所有所述第二待评估图像中筛 选出所述人体图像； 基于所述人体图像， 生成所述头肩图像； 所述对所述多个姿态对应的第二图像包含的人体进行处理得到所述多个姿态的头肩 特征和所述多个姿态的人体特 征的步骤， 包括： 对所述人体图像进行 特征提取处 理， 得到所述人体特 征； 对所述头肩图像进行 特征提取处 理， 得到所述头肩特 征。 6.根据权利要求5所述的目标重识别方法， 其特征在于， 所述基于所述人脸质量评分， 从所有所述第一待评估图像中筛 选出所述第一图像的步骤， 包括： 从所有所述第 一待评估图像中选出人脸质量评分最高的第 一待评估图像， 得到所述第 一图像。 7.根据权利要求5所述的目标重识别方法， 其特征在于， 所述基于所述人体质量评分， 从所有所述第二待评估图像中筛 选出所述人体图像的步骤， 包括： 获取所述第二待评估图像中抓拍目标的姿态； 分别从每种姿态对应的所有所述第二待评估图像中选出人体质量评分最高的第二待 评估图像， 得到相应姿态的人体图像。 8.根据权利要求5所述的目标重识别方法， 其特征在于， 所述基于所述人体图像， 生成 所述头肩图像的步骤， 包括： 从所述人体图像中截取 出所述抓拍目标的头、 肩所在的图像， 得到所述头肩图像。 9.根据权利要求1所述的目标重识别方法， 其特征在于， 所述基于所述多姿态人体特征 与所述属性特 征， 生成所述重识别结果的步骤， 包括： 计算所述抓拍目标的多姿态人体特征与所述历史抓拍目标的多姿态人体特征之间的 相似度， 得到人体相似度； 计算所述抓拍目标的属性特征与 所述历史抓拍目标的属性特征之间的相似度， 得到属 性相似度；权　利　要　求　书 2/3 页 3 CN 114783037 B 3