[發(fā)明專利]行人重識(shí)別的處理方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 201911309205.7
• 申請(qǐng)日: 2019-12-18
• 公開（公告）號(hào): CN111191533A
• 公開（公告）日: 2020-05-22
• 發(fā)明（設(shè)計(jì)）人: 王鋆玙
• 申請(qǐng)（專利權(quán)）人: 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;G06N3/04;G06N3/08
• 代理公司: 北京華進(jìn)京聯(lián)知識(shí)產(chǎn)權(quán)代理有限公司 11606
• 代理人: 任少瑞

1.一種行人重識(shí)別的處理方法，其特征在于，所述方法包括：

將待進(jìn)行重識(shí)別的識(shí)別圖像輸入至預(yù)先訓(xùn)練的預(yù)測神經(jīng)網(wǎng)絡(luò)中，得到所述預(yù)測神經(jīng)網(wǎng)絡(luò)輸出的所述識(shí)別圖像的多個(gè)子特征，以及與所述識(shí)別圖像的每個(gè)子特征對(duì)應(yīng)的可見性置信度；其中，所述識(shí)別圖像包含目標(biāo)對(duì)象，所述識(shí)別圖像的多個(gè)子特征對(duì)應(yīng)所述目標(biāo)對(duì)象的多個(gè)部分區(qū)域，所述目標(biāo)對(duì)象的多個(gè)部分區(qū)域組成所述目標(biāo)對(duì)象；所述可見性置信度用于指示所述識(shí)別圖像的每個(gè)子特征對(duì)應(yīng)的所述目標(biāo)對(duì)象的部分區(qū)域未被遮擋的概率；

根據(jù)所述識(shí)別圖像的多個(gè)子特征和與所述識(shí)別圖像的每個(gè)子特征對(duì)應(yīng)的可見性置信度，確定所述識(shí)別圖像的特征；

根據(jù)所述識(shí)別圖像的特征在預(yù)先設(shè)置的圖像數(shù)據(jù)庫中搜索出包含所述目標(biāo)對(duì)象的目標(biāo)圖像。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述將待進(jìn)行重識(shí)別的識(shí)別圖像輸入至預(yù)先訓(xùn)練的預(yù)測神經(jīng)網(wǎng)絡(luò)中之前，所述方法還包括：

獲取訓(xùn)練樣本集；所述訓(xùn)練樣本集中包括多個(gè)訓(xùn)練樣本和各所述訓(xùn)練樣本的可見性標(biāo)注；所述訓(xùn)練樣本包含訓(xùn)練對(duì)象，所述訓(xùn)練樣本的多個(gè)子特征對(duì)應(yīng)所述訓(xùn)練對(duì)象的多個(gè)部分區(qū)域，所述訓(xùn)練對(duì)象的多個(gè)部分區(qū)域組成所述訓(xùn)練對(duì)象，所述可見性標(biāo)注用于指示所述訓(xùn)練樣本的每個(gè)子特征對(duì)應(yīng)所述訓(xùn)練對(duì)象的部分區(qū)域的可見性；

基于所述訓(xùn)練樣本集進(jìn)行神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，得到所述預(yù)測神經(jīng)網(wǎng)絡(luò)。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述獲取訓(xùn)練樣本集，包括：

獲取多個(gè)訓(xùn)練樣本；

根據(jù)像素值對(duì)各所述訓(xùn)練樣本的每個(gè)子特征進(jìn)行標(biāo)注，得到各所述訓(xùn)練樣本的可見性標(biāo)注。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述根據(jù)像素值對(duì)各所述訓(xùn)練樣本的每個(gè)子特征進(jìn)行標(biāo)注，得到各所述訓(xùn)練樣本的可見性標(biāo)注，包括：

計(jì)算所述訓(xùn)練樣本的平均像素值；

若所述訓(xùn)練樣本的子特征對(duì)應(yīng)的所述訓(xùn)練對(duì)象的部分區(qū)域的平均像素值大于所述訓(xùn)練樣本的平均像素值，則將所述訓(xùn)練樣本的子特征標(biāo)注為可見；

若所述訓(xùn)練樣本的子特征對(duì)應(yīng)的所述訓(xùn)練對(duì)象的部分區(qū)域的平均像素值小于或等于所述訓(xùn)練樣本的平均像素值，則將所述訓(xùn)練樣本的子特征標(biāo)注為不可見。

5.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述基于所述訓(xùn)練樣本集進(jìn)行神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，得到所述預(yù)測神經(jīng)網(wǎng)絡(luò)，包括：

通過所述神經(jīng)網(wǎng)絡(luò)對(duì)所述訓(xùn)練樣本進(jìn)行特征提取，得到所述訓(xùn)練樣本的特征，并將所述訓(xùn)練樣本的特征分割成多個(gè)子特征；

對(duì)所述訓(xùn)練樣本的子特征采用權(quán)值不共享的卷積層進(jìn)行卷積，并通過全局平均池化層和一個(gè)全連接層獲得所述訓(xùn)練樣本的每個(gè)子特征對(duì)應(yīng)的一維特征向量；

根據(jù)激活函數(shù)和所述訓(xùn)練樣本的每個(gè)子特征對(duì)應(yīng)的一維特征向量，得到所述訓(xùn)練樣本的每個(gè)子特征對(duì)應(yīng)的可見性置信度；

根據(jù)所述訓(xùn)練樣本的可見性標(biāo)注和所述訓(xùn)練樣本的每個(gè)子特征對(duì)應(yīng)的可見性置信度進(jìn)行神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，得到所述預(yù)測神經(jīng)網(wǎng)絡(luò)。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述識(shí)別圖像的多個(gè)子特征和與所述識(shí)別圖像的每個(gè)子特征對(duì)應(yīng)的可見性置信度，確定所述識(shí)別圖像的特征，包括：

將所述識(shí)別圖像的多個(gè)子特征與所述識(shí)別圖像的每個(gè)子特征對(duì)應(yīng)的可見性置信度進(jìn)行加權(quán)計(jì)算，得到多個(gè)中間特征；

對(duì)多個(gè)所述中間特征進(jìn)行求和計(jì)算，得到所述識(shí)別圖像的特征。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述識(shí)別圖像的特征在預(yù)先設(shè)置的圖像數(shù)據(jù)庫中搜索出包含所述目標(biāo)對(duì)象的目標(biāo)圖像，包括：

將所述圖像數(shù)據(jù)庫中的各候選圖像進(jìn)行特征提取，得到各所述候選圖像的特征；

從各所述候選圖像的特征中，查找出與所述識(shí)別圖像的特征匹配的目標(biāo)特征；

將所述目標(biāo)特征對(duì)應(yīng)的候選圖像確定為所述目標(biāo)圖像。

8.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述識(shí)別圖像的特征為行人的全身特征；所述識(shí)別圖像的多個(gè)子特征包括行人的上半身特征和下半身特征。