[發(fā)明專利]行人重識(shí)別網(wǎng)絡(luò)的訓(xùn)練及基于其的行人重識(shí)別

有效

• 申請(qǐng)?zhí)枺?/td>: 201710906719.5
• 申請(qǐng)日: 2017-09-29
• 公開（公告）號(hào): CN108875487B
• 公開（公告）日: 2021-06-15
• 發(fā)明（設(shè)計(jì)）人: 羅浩;張弛
• 申請(qǐng)（專利權(quán)）人: 北京曠視科技有限公司;北京邁格威科技有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62
• 代理公司: 北京市磐華律師事務(wù)所 11336
• 代理人: 高偉;卜璐璐

本發(fā)明提供了行人重識(shí)別網(wǎng)絡(luò)的訓(xùn)練及基于其的行人重識(shí)別的方法、裝置、系統(tǒng)和存儲(chǔ)介質(zhì)，所述行人重識(shí)別網(wǎng)絡(luò)的訓(xùn)練方法包括：利用分類損失對(duì)基準(zhǔn)網(wǎng)絡(luò)進(jìn)行預(yù)訓(xùn)練；以及聯(lián)合分類損失和五元組損失對(duì)經(jīng)預(yù)訓(xùn)練的基準(zhǔn)網(wǎng)絡(luò)進(jìn)行調(diào)優(yōu)以得到行人重識(shí)別網(wǎng)絡(luò)。根據(jù)本發(fā)明實(shí)施例的行人重識(shí)別網(wǎng)絡(luò)的訓(xùn)練方法、裝置、系統(tǒng)和存儲(chǔ)介質(zhì)聯(lián)合分類損失和距離損失進(jìn)行訓(xùn)練，能夠加快訓(xùn)練過程并提高精度；此外，在距離損失環(huán)節(jié)中采用五元組方法，相比于傳統(tǒng)的三元組、改進(jìn)三元組和四元組方法，能夠顯著縮短訓(xùn)練時(shí)間，并且進(jìn)一步提高精度。

技術(shù)領(lǐng)域

本發(fā)明涉及行人重識(shí)別技術(shù)領(lǐng)域，更具體地涉及一種行人重識(shí)別網(wǎng)絡(luò)的訓(xùn)練及基于其的行人重識(shí)別方法、裝置、系統(tǒng)和存儲(chǔ)介質(zhì)。

背景技術(shù)

行人重識(shí)別也稱行人再識(shí)別，是利用計(jì)算機(jī)視覺技術(shù)判斷圖像或者視頻序列中是否存在特定行人的技術(shù)。給定一個(gè)監(jiān)控行人圖像，檢索跨設(shè)備下的該行人圖像。旨在彌補(bǔ)目前固定的攝像頭的視覺局限，并可與行人檢測(cè)/行人跟蹤技術(shù)相結(jié)合，可廣泛應(yīng)用于智能視頻監(jiān)控、智能安保等領(lǐng)域。

現(xiàn)有的行人重識(shí)別方法根據(jù)訓(xùn)練思想可以分成兩種做法：第一種是把每個(gè)行人作為一個(gè)類別，將行人重識(shí)別轉(zhuǎn)化為圖像分類問題；第二種是提取每張行人圖片的特征，計(jì)算兩種圖片特征的距離，通過最小化同一個(gè)人之間圖片特征的距離和最大化不同行人之間圖片特征的距離來(lái)訓(xùn)練一個(gè)提取特征的網(wǎng)絡(luò)模型，目前的方法包括三元組、改進(jìn)三元組以及四元組。

然而，基于分類損失訓(xùn)練的模型在精度方面很難達(dá)到一個(gè)很高的水平，而基于距離損失訓(xùn)練的模型雖然精度通常會(huì)優(yōu)于前者，但是網(wǎng)絡(luò)訓(xùn)練時(shí)間卻非常長(zhǎng)。

發(fā)明內(nèi)容

針對(duì)上述問題，本發(fā)明提出了一種關(guān)于行人重識(shí)別網(wǎng)絡(luò)的訓(xùn)練的方案，其結(jié)合兩種方法的優(yōu)點(diǎn)，通過聯(lián)合分類損失和距離損失來(lái)加快訓(xùn)練過程并提高精度。下面簡(jiǎn)要描述本發(fā)明提出的關(guān)于行人重識(shí)別網(wǎng)絡(luò)的訓(xùn)練的方案，更多細(xì)節(jié)將在后續(xù)結(jié)合附圖在具體實(shí)施方式中加以描述。

根據(jù)本發(fā)明一方面，提供了一種行人重識(shí)別網(wǎng)絡(luò)的訓(xùn)練方法，所述訓(xùn)練方法包括：利用分類損失對(duì)基準(zhǔn)網(wǎng)絡(luò)進(jìn)行預(yù)訓(xùn)練；以及聯(lián)合分類損失和五元組損失對(duì)經(jīng)預(yù)訓(xùn)練的基準(zhǔn)網(wǎng)絡(luò)進(jìn)行調(diào)優(yōu)以得到行人重識(shí)別網(wǎng)絡(luò)。

在本發(fā)明的一個(gè)實(shí)施例中，所述利用分類損失對(duì)基準(zhǔn)網(wǎng)絡(luò)進(jìn)行預(yù)訓(xùn)練包括：將樣本圖片輸入到所述基準(zhǔn)網(wǎng)絡(luò)；將所述基準(zhǔn)網(wǎng)絡(luò)針對(duì)所述樣本圖片輸出的預(yù)測(cè)向量與所述樣本圖片的標(biāo)簽向量進(jìn)行比較以得到分類損失；基于所述分類損失調(diào)整所述基準(zhǔn)網(wǎng)絡(luò)的參數(shù)；以及反復(fù)進(jìn)行上述步驟，直到分類準(zhǔn)確度和分類損失基本不再變化。

在本發(fā)明的一個(gè)實(shí)施例中，所述基準(zhǔn)網(wǎng)絡(luò)為殘差網(wǎng)絡(luò)。

在本發(fā)明的一個(gè)實(shí)施例中，在將所述樣本圖片輸入到所述基準(zhǔn)網(wǎng)絡(luò)之前，對(duì)所述樣本圖片實(shí)施預(yù)處理操作。

在本發(fā)明的一個(gè)實(shí)施例中，所述聯(lián)合分類損失和五元組損失對(duì)經(jīng)預(yù)訓(xùn)練的基準(zhǔn)網(wǎng)絡(luò)進(jìn)行調(diào)優(yōu)包括：按預(yù)定要求和順序輸入五元組的五張樣本圖片；基于所述基準(zhǔn)網(wǎng)絡(luò)針對(duì)每張所述樣本圖片輸出的預(yù)測(cè)向量計(jì)算分類損失；基于所述基準(zhǔn)網(wǎng)絡(luò)針對(duì)所述五張樣本圖片輸出的特征向量計(jì)算五元組損失；以及基于所計(jì)算的分類損失和所計(jì)算的五元組損失計(jì)算最終的損失以作為所述行人重識(shí)別網(wǎng)絡(luò)的損失。

在本發(fā)明的一個(gè)實(shí)施例中，所述所計(jì)算的分類損失為所述五張樣本圖片的分類損失的平均值。

在本發(fā)明的一個(gè)實(shí)施例中，所述五元組損失定義為：

l_qt＝d(正樣本1,正樣本2)-d(負(fù)樣本1,負(fù)樣本21)+d(負(fù)樣本21,負(fù)樣本22)-d(負(fù)樣本1,正樣本2)+a

其中，l_qt為五元組損失；正樣本1、正樣本2、負(fù)樣本1、負(fù)樣本21以及負(fù)樣本22為所述五張樣本圖片，且正樣本1和正樣本2為第一行人的兩張不同圖片，負(fù)樣本1為第二行人的圖片，負(fù)樣本21和負(fù)樣本22為第三行人的兩張不同圖片；d為兩張圖片的特征向量之間的距離；a為根據(jù)需求設(shè)置的常數(shù)參數(shù)。