[發明專利]行人重識別的處理方法、裝置、計算機設備和存儲介質

在審

• 申請號: 201911309205.7
• 申請日: 2019-12-18
• 公開（公告）號: CN111191533A
• 公開（公告）日: 2020-05-22
• 發明（設計）人: 王鋆玙
• 申請（專利權）人: 北京邁格威科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京華進京聯知識產權代理有限公司 11606
• 代理人: 任少瑞

本申請涉及一種行人重識別的處理方法、裝置、計算機設備和存儲介質。所述方法包括：將待進行重識別的識別圖像輸入至預先訓練的預測神經網絡中，得到所述預測神經網絡輸出的所述識別圖像的多個子特征，以及與所述識別圖像的每個子特征對應的可見性置信度；根據所述識別圖像的多個子特征和與所述識別圖像的每個子特征對應的可見性置信度，確定所述識別圖像的特征；根據所述識別圖像的特征在預先設置的圖像數據庫中搜索出包含所述目標對象的目標圖像。通過本發明實施例，提高了圖像搜索的準確性，降低了圖像搜索的難度。

技術領域

本申請涉及行人重識別技術領域，特別是涉及一種行人重識別的處理方法、裝置、計算機設備和存儲介質。

背景技術

行人重識別(Person re-identification)也稱行人再識別，是利用計算機視覺技術判斷圖像或者視頻序列中是否存在特定行人的技術，廣泛應用于智能視頻監控、智能安保等領域。

目前，行人重識別已經對物體的外表顏色、外觀等明顯特征等有著較高的判別能力。但是，如果圖像中行人被部分遮擋，那么可用于識別的圖像區域就縮小了，增加了行人重識別的難度。例如，一個圖像中行人騎非機動車，由于非機動車遮擋了行人的部分特征，則很難根據該圖像查找出包含同一行人的其他圖像。

發明內容

基于此，有必要針對上述技術問題，提供一種能夠在目標對象被遮擋時降低識別難度的行人重識別的處理方法、裝置、計算機設備和存儲介質。

第一方面，本發明實施例提供了一種行人重識別的處理方法，該方法包括：

將待進行重識別的識別圖像輸入至預先訓練的預測神經網絡中，得到預測神經網絡輸出的識別圖像的多個子特征，以及與識別圖像的每個子特征對應的可見性置信度；其中，識別圖像包含目標對象，識別圖像的多個子特征對應目標對象的多個部分區域，目標對象的多個部分區域組成目標對象；可見性置信度用于指示識別圖像的每個子特征對應的目標對象的部分區域未被遮擋的概率；

根據識別圖像的多個子特征和與識別圖像的每個子特征對應的可見性置信度，確定識別圖像的特征；

根據識別圖像的特征在預先設置的圖像數據庫中搜索出包含目標對象的目標圖像。

在其中一個實施例中，在上述將待進行重識別的識別圖像輸入至預先訓練的預測神經網絡中之前，該方法還包括：

獲取訓練樣本集；訓練樣本集中包括多個訓練樣本和各訓練樣本的可見性標注；訓練樣本包含訓練對象，訓練樣本的多個子特征對應訓練對象的多個部分區域，訓練對象的多個部分區域組成訓練對象，可見性標注用于指示訓練樣本的每個子特征對應訓練對象的部分區域的可見性；

基于訓練樣本集進行神經網絡的訓練，得到預測神經網絡。

在其中一個實施例中，上述獲取訓練樣本集，包括：

獲取多個訓練樣本；

根據像素值對各訓練樣本中的每個子特征進行標注，得到各訓練樣本的可見性標注。

在其中一個實施例中，上述根據像素值對各訓練樣本中的每個子特征進行標注，得到各訓練樣本的可見性標注，包括：

計算訓練樣本的平均像素值；

若訓練樣本的子特征對應的訓練對象的部分區域的平均像素值大于訓練樣本的平均像素值，則將訓練樣本的子特征標注為可見；

若訓練樣本的子特征對應的訓練對象的部分區域的平均像素值小于或等于訓練樣本的平均像素值，則將訓練樣本的子特征標注為不可見。

在其中一個實施例中，上述基于訓練樣本集進行神經網絡的訓練，得到預測神經網絡，包括：