(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 202210466776.7 (22)申请日 2022.04.29 (71)申请人 西安电子科技大 学 地址 710071 陕西省西安市太白南路2号 (72)发明人 彭春蕾　王博　胡瑞敏　王家骅　 刘德成　罗林波　张鼎文　 (74)专利代理 机构 西安嘉思特知识产权代理事 务所(普通 合伙) 6123 0 专利代理师 万艳艳 (51)Int.Cl. G06T 7/292(2017.01) G06T 5/00(2006.01) G06V 40/10(2022.01) G06V 10/40(2022.01) G06V 10/80(2022.01)G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于多尺度图像恢复的跨摄像机行人重识 别方法及装置 (57)摘要 本发明公开了一种基于多尺度图像恢复的 跨摄像机行人重识别方法， 包括： 获取跨摄像机 查询图像并进行分辨率判断； 对查询图像中的低 分辨率图像进行多尺度图像恢复， 得到若干高质 量图像； 对高质量图像和图库图像进行多尺度特 征提取和融合， 得到融合特征； 将融合特征与图 库图像的特征进行对比分析， 得到行人重识别结 果。 本发明的方法能够适应图像尺度的各种不规 则变化， 并且能够充分利用不同尺度图像的信 息， 提升行 人重识别的准确度。 权利要求书2页 说明书9页 附图2页 CN 114862920 A 2022.08.05 CN 114862920 A 1.一种基于多尺度图像恢复的跨摄 像机行人重识别方法， 其特 征在于， 包括： 获取跨摄 像机查询图像并进行分辨 率判断； 对所述查询图像中的低分辨 率图像进行多尺度图像恢复， 得到若干高质量图像； 对所述高质量图像和图库图像进行多尺度特 征提取和融合， 得到融合特 征； 将所述融合特 征与所述图库图像的特 征进行对比分析， 得到行 人重识别结果。 2.根据权利要求1所述的基于多尺度图像恢复的跨摄像机行人重识别方法， 其特征在 于， 获取跨摄 像机查询图像并进行分辨 率判断包括： 按照下式计算整个数据集图像的平均像素点A； 其中， hi,wi为第i张查询图像的高和宽， n为整个数据集图像的数量， avg表示对所有图 像的像素点 求和取平均； 若所述查询图像的像素点低于整个数据集图像的平均像素点A， 则判定该查询图像为 低分辨率图像； 否则， 判定该查询图像为高分辨 率图像。 3.根据权利要求1所述的基于多尺度图像恢复的跨摄像机行人重识别方法， 其特征在 于， 对所述 查询图像中的低分辨 率图像进行多尺度图像恢复， 得到若干高质量图像包括： 对低分辨 率的查询图像进行 特征提取， 得到 浅层特征图像； 对所述浅层特 征图像进行深层特 征提取， 得到深层特 征图像； 构建多个具有不同尺度的恢复Transformer模型； 分别利用不同的恢复Transformer模型对所述浅层 特征图像和所述深层 特征图像进行 图像恢复， 对应得到多个高质量图像。 4.根据权利要求3所述的基于多尺度图像恢复的跨摄像机行人重识别方法， 其特征在 于， 对所述浅层特 征图像进行深层特 征提取， 得到深层特 征图像， 包括： 构建一个深度特征提取器； 其中， 所述深度特征提取器包括若干基于残差和滑动 窗口 的Transformer块和第一卷积层， 每个所述基于残差和滑动窗口的Transformer块均包括若 干基于滑动窗口机制的Transformer层和第二卷积层； 利用所述深度特征提取器对所述浅层特征图像进行深层特征提取， 得到深层特征图 像。 5.根据权利要求1所述的基于多尺度图像恢复的跨摄像机行人重识别方法， 其特征在 于， 对所述高质量图像和图库图像进行多尺度特 征提取和融合， 得到融合特 征包括： 构建若干个多尺度特 征提取模型并进行训练； 将若干不同尺度的高质量图像和图库图像作为多尺度特征提取模型的输入图像， 利用 不同的多尺度特征提取模型对相应的输入图像进 行多尺度特征提取， 对应得到多组不同尺 度的特征； 对每组不同尺度的特 征分别进行融合处 理， 对应得到多个融合特 征。 6.根据权利要求5所述的基于多尺度图像恢复的跨摄像机行人重识别方法， 其特征在 于， 每个所述多尺度特征提取模型均包括多个尺度不同的瓶颈层， 用于提取不同的尺度特 征； 其中，权　利　要　求　书 1/2 页 2 CN 114862920 A 2每个瓶颈层均包括一个1 ×1卷积层、 一个3 ×3深度可分离卷积层、 一个批归一化层以 及一个线性 修正单元计划函数。 7.根据权利要求5所述的基于多尺度图像恢复的跨摄像机行人重识别方法， 其特征在 于， 对每组不同尺度的特 征分别进行融合处 理， 对应得到多个融合特 征， 包括： 构建包括 一个非参数全局平均池化层和一个多层感知机的聚合门网络； 利用所述聚合门网络对每组不同尺度的特 征分别进行融合处 理， 得到多个融合特 征。 8.根据权利要求1所述的基于多尺度图像恢复的跨摄像机行人重识别方法， 其特征在 于， 将所述融合特 征与所述图库图像的特 征进行对比分析， 得到行 人重识别结果包括： 分别计算每 个融合特 征与图库图像特 征之间的距离向量； 将所有融合特 征与图库图像特 征之间的距离向量进行累加， 得到累加距离值； 根据所述累加距离值得到识别结果。 9.一种基于多尺度图像恢复的跨摄 像机行人重识别装置， 其特 征在于， 包括： 预处理模块(1)， 用于获取跨摄 像机查询图像并进行分辨 率判断； 多尺度图像恢复模块(2)， 用于对所述查询图像中的低分辨率图像进行多尺度图像恢 复， 得到若干高质量图像； 多特征提取融合模块(3)， 用于对所述高质量图像和图库图像进行多尺度特征提取和 融合， 得到融合特 征； 图像识别 模块(4)， 用于将所述融合特征与所述图库图像的特征进行对比分析， 得到行 人重识别结果。权　利　要　求　书 2/2 页 3 CN 114862920 A 3