[發明專利]一種基于貝葉斯查詢擴展的行人重識別方法及裝置

在審

• 申請號: 201911325604.2
• 申請日: 2019-12-20
• 公開（公告）號: CN111291611A
• 公開（公告）日: 2020-06-16
• 發明（設計）人: 王景輝;張斯堯;羅茜;王思遠;蔣杰;張誠;李乾;謝喜林;黃晉
• 申請（專利權）人: 長沙千視通智能科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06F16/583
• 代理公司: 長沙德恒三權知識產權代理事務所(普通合伙) 43229
• 代理人: 徐仰貴

1.一種基于貝葉斯查詢擴展的行人重識別方法，其特征在于，包括：

將查詢對象輸入訓練好的行人重識別系統模型，得到多個候選對象的排名列表；

對所述查詢對象和排名列表中的多個候選對象進行基于貝葉斯查詢擴展的重識別再排序；

將再排序后的查詢對象和候選對象進行PTGAN處理，實現行人前景不變的前提下實現背景差異區域的遷移；

將進行PTGAN處理后的查詢對象和候選對象輸入訓練好的貝葉斯模型，通過訓練數據中的圖像距離，計算每個候選對象的真實匹配概率；

通過所述每個候選對象的真實匹配概率調整所述行人重識別系統模型的目標參數的參數值；

通過將待識別圖像輸入調整后的行人重識別系統模型，搜索出相似度最高的行人圖像。

2.根據權利要求1所述的基于貝葉斯查詢擴展的行人重識別方法，其特征在于，對所述查詢對象和排名列表中的多個候選對象進行基于貝葉斯查詢擴展的重識別再排序，包括：

利用包含真實匹配和虛假匹配行人對的訓練集訓練貝葉斯模型，得到訓練后的貝葉斯模型；

根據所述查詢對象和多個候選對象圖像之間的距離，通過所述訓練后的貝葉斯模型預測每個候選對象的真實匹配概率；

根據所述每個候選對象的真實匹配概率進行查詢擴展，通過所述查詢擴展生成新的排名列表。

3.根據權利要求2所述的基于貝葉斯查詢擴展的行人重識別方法，其特征在于，所述根據所述每個候選對象的真實匹配概率進行查詢擴展，通過所述查詢擴展生成新的排名列表，包括：

使用平均池融合查詢圖像和頂部候選對象的特征；

根據所述平均池融合后的查詢圖像和頂部候選對象的特征進行查詢擴展，并通過所述查詢擴展生成新的排名列表。

4.根據權利要求2所述的基于貝葉斯查詢擴展的行人重識別方法，其特征在于，所述根據所述每個候選對象的真實匹配概率進行查詢擴展，通過所述查詢擴展生成新的排名列表，包括：

使用最大池來融合查詢圖像和頂部候選對象的特征；

根據所述最大池融合后的查詢圖像和頂部候選對象的特征進行查詢擴展，并通過所述查詢擴展生成新的排名列表。

5.一種基于貝葉斯查詢擴展的行人重識別裝置，其特征在于，包括：

排名列表獲取模塊，用于將查詢對象輸入訓練好的行人重識別系統模型，得到多個候選對象的排名列表；

重識別模塊，用于對所述查詢對象和排名列表中的多個候選對象進行基于貝葉斯查詢擴展的重識別再排序；

PTGAN處理模塊，用于將再排序后的查詢對象和候選對象進行PTGAN處理，實現行人前景不變的前提下實現背景差異區域的遷移；

訓練模塊，用于將進行PTGAN處理后的查詢對象和候選對象輸入訓練好的貝葉斯模型，通過訓練數據中的圖像距離，計算每個候選對象的真實匹配概率；

調整模塊，用于通過所述每個候選對象的真實匹配概率調整所述行人重識別系統模型的目標參數的參數值；

識別模塊，用于通過將待識別圖像輸入調整后的行人重識別系統模型，搜索出相似度最高的行人圖像。

6.根據權利要求5所述的基于貝葉斯查詢擴展的行人重識別裝置，其特征在于，所述重識別模塊包括：

貝葉斯訓練模塊，用于利用包含真實匹配和虛假匹配行人對的訓練集訓練貝葉斯模型，得到訓練后的貝葉斯模型；

預測模塊，用于根據所述查詢對象和多個候選對象圖像之間的距離，通過所述訓練后的貝葉斯模型預測每個候選對象的真實匹配概率；

查詢擴展模塊，用于根據所述每個候選對象的真實匹配概率進行查詢擴展，通過所述查詢擴展生成新的排名列表。

7.根據權利要求5所述的基于貝葉斯查詢擴展的行人重識別裝置，其特征在于，所述查詢擴展模塊包括：

平均池融合模塊，用于使用平均池融合查詢圖像和頂部候選對象的特征；

第一擴展更新模塊，用于根據所述平均池融合后的查詢圖像和頂部候選對象的特征進行查詢擴展，并通過所述查詢擴展生成新的排名列表。