本公开涉及变电站人体识别，具体而言，涉及一种变电站人体重识别方法、装置、介质及设备。
背景技术：
1、在变电站等工业环境中，确保工作人员安全至关重要，因此需要有效的监控系统来识别和管理工作人员的姿态和动作。然而，当前的监控技术面临一些挑战，尤其是在复杂环境或人员密集场所，容易出现人物遮挡问题，导致监控系统无法准确识别工作人员的动作和姿态，可能产生误报或漏报安全问题。此外，工作人员着装和动作相似性高，使得系统进行安全监控，跟踪定位人员时的准确性进一步受到影响。
2、为解决上述问题，相关技术中引入了人体重识别技术以提高监控系统的准确性和可靠性，人体重识别技术通过未被遮挡的视角匹配工作人员，以恢复其完整的姿态信息。然而，人体重识别技术面临多重挑战，包括处理不同视角和姿态下的人物识别差异、解决遮挡问题带来的特征提取困难，以及提高在高度相似的工作人员群体中的区分度。
技术实现思路
1、本公开实施例至少提供一种变电站人体重识别方法、装置、介质及设备，通过提取人物图像特征的基础上增加了提取包含时序特征的人物特征，并利用两种特征在总的人物图像库中进行人物匹配，提高了人体重识别的准确率。
2、本公开实施例提供了一种变电站人体重识别方法，包括：
3、获取待识别人物图像，利用训练好的人体重识别模型对所述待识别人物图像进行特征提取，得到外貌特征图和关节特征图，所述待识别人物图像是在从至少两个视角采集到的变电站的视频片段中检测到的多张人物图像中的任意人物图像；
4、利用与所述待识别人物图像相邻的多张帧图像，生成所述待识别人物图像对应的待识别人物短视频，以及利用所述训练好的人体重识别模型对所述待识别人物短视频进行时间特征提取，得到包含时序特征的人物特征向量；
5、基于所述训练好的人体重识别模型对所述外貌特征图、所述关节特征图以及所述人物特征向量进行特征融合处理，生成全局特征向量和局部特征向量；
6、获取人物图像库，基于所述训练好的人体重识别模型将所述全局特征向量和所述局部特征向量与所述人物图像库进行匹配，得到所述待识别人物图像与所述人物图像库中对应的目标人物，所述人物图像库基于至少两个视角采集到的变电站的视频片段构建得到。
7、本公开实施例提供了一种变电站人体重识别装置，包括：
8、图像获取模块，用于获取待识别人物图像，利用训练好的人体重识别模型对所述待识别人物图像进行特征提取，得到外貌特征图和关节特征图，所述待识别人物图像是在从至少两个视角采集到的变电站的视频片段中检测到的多张人物图像中的任意人物图像；
9、特征提取模块，用于利用与所述待识别人物图像相邻的多张帧图像，生成所述待识别人物图像对应的待识别人物短视频，以及利用所述训练好的人体重识别模型对所述待识别人物短视频进行时间特征提取，得到包含时序特征的人物特征向量；
10、特征处理模块，用于基于所述训练好的人体重识别模型对所述外貌特征图、所述关节特征图以及所述人物特征向量进行特征融合处理，生成全局特征向量和局部特征向量；
11、人物匹配模块，用于获取人物图像库，基于所述训练好的人体重识别模型将所述全局特征向量和所述局部特征向量与所述人物图像库进行匹配，得到所述待识别人物图像与所述人物图像库中对应的目标人物，所述人物图像库基于至少两个视角采集到的变电站的视频片段构建得到。
12、本公开实施例提供了一种计算机设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如上述任一可能的实施方式中所述的变电站人体重识别方法。
13、本公开实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时实现如上述任一可能的实施方式中所述的变电站人体重识别方法。
14、本公开实施例中所提供的变电站人体重识别方法、装置、介质及设备，通过利用训练好的人体重识别模型对待识别人物图像的外貌特征和关节特征进行特征提取，并在此基础上，还对针对于人物图像对应的短视频进行时间特征提取，得到包含时序特征的人物特征，然后对二者进行特征融合，基于融合后的结果与人物图像库中其他视角的人物图像进行匹配，以准确识别目标人物。如此，显著提高了人体重识别的准确率，适用于变电站等工作人员相似度高且需要高效安全监控的环境。
15、为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
1.一种变电站人体重识别方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述获取待识别人物图像之前，包括：
3.根据权利要求2所述的方法，其特征在于，所述人体重识别模型包括时间特征提取子模型；所述时间特征提取子模型包括特征编码模块、特征合并模块、特征匹配模块和特征聚合模块；所述利用所述训练好的人体重识别模型对所述待识别人物短视频进行时间特征提取，包括：
4.根据权利要求3所述的方法，其特征在于，所述人体重识别模型还包括特征融合模块，所述基于所述训练好的人体重识别模型对所述外貌特征图、所述关节特征图以及所述人物特征向量进行特征融合处理，包括：
5.根据权利要求4所述的方法，其特征在于，所述人体重识别模型还包括相似度排序子模型；所述相似度排序子模型包括自适应方向图卷积模块、交叉图嵌入对齐模块和相似度计算模块；所述基于所述训练好的人体重识别模型将所述全局特征向量和所述局部特征向量与所述人物图像库进行匹配，得到所述待识别人物图像与所述人物图像库中对应的目标人物，包括：
6.根据权利要求1-5任一所述的方法，其特征在于，所述人体重识别模型通过以下步骤训练得到：
7.根据权利要求6所述的方法，其特征在于，所述基于所述训练样本集和所述样本图像库对所述待训练的人体重识别模型进行有监督训练，包括：
8.一种变电站人体重识别装置，其特征在于，包括：
9.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法。
10.一种计算机设备，包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法。
