摘要
一种基于深度学习的行人跟踪与重识别方法,包括以下步骤;步骤1:对视频图像逐帧进行行人目标检测;步骤2:采用DeepSort模型对步骤1中每帧检测到的行人进行特征提取,生成.npy文件;步骤3:采用Fastreid进行行人重识别检测,根据预设的行人图片底库进行特征提取,生成.npy文件;步骤4:将每个行人目标的特征提取结果与特定行人底库的特征提取结果进行余弦相似度计算,如果大于阈值γ,则判别为需要重识别的特定行人目标,并进行行人的跟踪,否则不进行目标跟踪;本发明可精确定位出跨时间、跨区域、跨摄像头的特定行人,并可通过实时视频进行推理与检测,并通过一系列的改进达到最优的效果,最终完成项目落地,以后可普遍应用于智能监控、智能安防等系统。