(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 202111682643.5 (22)申请日 2021.12.3 0 (71)申请人 深圳云天励飞技 术股份有限公司 地址 518000 广东省深圳市龙岗区园山 街 道龙岗大道8288号深圳大运软件小镇 17栋1楼 (72)发明人 何烨林　魏新明　肖嵘　王孝宇　 (74)专利代理 机构 北京三聚阳光知识产权代理 有限公司 1 1250 专利代理师 林韵英 (51)Int.Cl. G06V 40/10(2022.01) G06V 10/74(2022.01) G06V 10/762(2022.01) G06V 10/764(2022.01)G06V 10/80(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/08(2006.01) (54)发明名称 人体重识别方法、 人体重识别装置、 计算机 设备及介质 (57)摘要 本发明提供一种人体重识别方法、 人体重识 别装置、 计算机设备及介质。 人体重识别方法包 括： 获取待检测的人体图像。 通过预先训练好的 人体重识别模型， 提取人体图像的第一人体特 征， 人体重识别模型基于单摄像头采集的人体训 练图像进行训练。 将第一人体特征与预置数据库 中的多个人体特征进行对比， 确定与第一人体特 征相似度最高的第二人体特征。 当相似度大于或 者等于指定阈值时， 将第二人体特征对应的人体 类别匹配为人体图像最相似的人体类别。 通过本 发明， 基于单摄像头训练的人体重识别模型进行 人体重识别检测， 有助于在预置的数据库中的多 个人体特征中为待检测的人体图像匹配出最相 似人体类别， 进而减少误识别的情况发生。 权利要求书2页 说明书11页 附图6页 CN 114519863 A 2022.05.20 CN 114519863 A 1.一种人体重识别方法， 其特 征在于， 所述方法包括： 获取待检测的人体图像； 通过预先训练好的人体重识别模型， 提取所述人体图像的第一人体特征， 所述人体重 识别模型基于单摄 像头采集的人体训练图像进行训练； 将所述第一人体特征与预置数据库中的多个人体特征进行对比， 确定与所述第 一人体 特征相似度最高的第二人体特 征； 当所述相似度 大于或者等于指定 阈值时， 将所述第 二人体特征对应的人体类别匹配为 所述人体图像最相似的人体 类别。 2.根据权利要求1所述的方法， 其特征在于， 所述人体重识别模型基于单摄像头采集的 人体训练图像进行训练， 包括： 获取多组第一人体训练图像集， 不同组的第一人体训练图像集由不同摄像头采集， 不 同第一人体训练图像集之间包括的人体 类别相同； 将各所述第 一人体训练图像集分别 输入至待训练 的特征提取网络 中， 训练所述特征提 取网络提取 各所述人体 类别对应的人体特 征， 得到第一特 征提取模型； 获取与所述第一人体训练图像集包括的人体类别相同的第二人体训练图像集和人体 训练特征集， 所述人体训练特征集中包括的多个人体训练特征为各组人体图像集对应第一 人体训练图像的总人体特 征； 将所述第二人体训练图像集输入至所述第 一特征提取模型， 根据 所述人体训练特征集 训练所述第一特 征提取模型， 得到所述人体重识别模型。 3.根据权利要求2所述的方法， 其特征在于， 所述将各所述第 一人体训练图像集分别 输 入至待训练的特征提取网络中， 训练所述特征提取网络提取各所述人体类别对应的人体特 征， 得到第一特 征提取模型， 包括： 将当前组第 一人体训练图像集输入至待训练 的特征提取网络 中进行人体特征提取， 并 将特征提取结果输入至预置的第一分类网络中进行 特征分类， 得到第一分类结果； 基于所述第 一分类结果和所述第 一人体训练图像集包括的人体类别， 训练所述特征提 取网络提取 各所述人体 类别对应的人体特 征， 得到第一特 征提取模型。 4.根据权利要求3所述的方法， 其特 征在于， 获取 所述人体训练特 征集， 包括： 通过所述第一特征提取模型， 分别提取各所述第一人体训练图像集对应的人体特征 集； 将当前人体特征集中的第一人体特征与下一人体特征集中的各第二人体特征依次进 行匹配， 确定所述下一人体特 征集中与所述第一人体特 征匹配度最高的第二人体特 征； 将各所述第 一人体特征融合至对应匹配度最高的第 二人体特征中， 得到新的第 二人体 特征， 并生成与各 所述新的第二人体特 征对应人体 类别的伪标签； 依次轮循各所述人体特征集， 直至得到包括各组人体特征集中各人体类别对应的新的 第二人体特 征以及对应的伪标签， 得到人体训练特 征集。 5.根据权利要求4所述的方法， 其特征在于， 所述将所述第 二人体训练图像集输入至所 述第一特征提取模型， 根据所述人体训练特征集训练所述第一特征提取模型， 得到所述人 体重识别模型， 包括： 将所述第二人体训练图像集输入至所述第 一特征提取模型中进行人体特征提取， 并将权　利　要　求　书 1/2 页 2 CN 114519863 A 2特征提取结果输入至预置的第二分类网络中进行 特征分类， 得到第二分类结果； 基于所述第 二分类结果和所述人体训练特征集， 训练所述第 一特征提取模型提取所述 第二人体训练图像集中各 人体特征， 得到所述人体重识别模型。 6.根据权利要求2 ‑5中任一项所述的方法， 其特征在于， 所述获取多组第 一人体训练图 像集， 包括： 根据当前摄 像头拍摄的视频， 确定并标注首次出现的人体 类别； 通过目标跟踪算法， 提取各所述人体类别在所述视频中对应的多个第一人体训练图 像， 得到所述当前摄 像头对应的第一人体训练图像集。 7.根据权利要求6所述的方法， 其特征在于， 所述获取与 所述第一人体训练图像集包括 的人体类别相同的第二人体训练图像集， 包括： 将各所述第一人体训练图像集进行合并， 得到第二人体训练图像集。 8.一种人体重识别装置， 其特 征在于， 所述装置包括： 获取单元， 用于获取待检测的人体图像； 提取单元， 用于通过预先训练好的人体重识别模型， 提取所述人体图像的第一人体特 征， 所述人体重识别模型基于单摄 像头采集的人体训练图像进行训练； 对比单元， 用于将所述第一人体特征与预置数据库中的多个人体特征进行对比， 确定 与所述第一人体特 征相似度最高的第二人体特 征； 确定单元， 用于当所述相似度大于或者等于指定阈值时， 将所述第二人体特征对应的 人体类别匹配为所述人体图像最相似的人体 类别。 9.一种计算机设备， 其特征在于， 包括存储器和处理器， 所述存储器和所述处理器之间 互相通信连接， 所述存储器中存储有计算机指 令， 所述处理器通过执行所述计算机指 令， 从 而执行权利要求1 ‑7中任一项所述的人体重识别方法。 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计算机指 令， 所述计算机指令用于使所述计算机执 行权利要求1 ‑7中任一项所述的人体重识别方法。权　利　要　求　书 2/2 页 3 CN 114519863 A 3