[發明專利]行人重識別方法、終端、裝置及存儲介質

有效

• 申請號: 202010197158.8
• 申請日: 2020-03-19
• 公開（公告）號: CN111428612B
• 公開（公告）日: 2023-08-15
• 發明（設計）人: 張浩;邵新慶;劉強;徐明;宋詠君
• 申請（專利權）人: 深圳力維智聯技術有限公司;南京中興力維軟件有限公司
• 主分類號: G06V40/20
• 分類號: G06V40/20;G06V40/10;G06V10/26;G06V10/774;G06V10/82;G06N3/0464
• 代理公司: 深圳市恒程創新知識產權代理有限公司 44542
• 代理人: 張小容

本發明公開了一種行人重識別方法，包括以下步驟：將訓練數據輸入預設卷積神經網絡，提取目標層對應的特征圖，對特征圖進行混合分割，得到分割后的子特征圖，并對特征圖以及各個子特征圖進行平均池化以及特征提取，得到特征向量組，基于特征向量組進行損失計算得到損失值，并基于損失值進行網絡訓練，直至收斂，得到目標卷積神經網絡，利用目標卷積神經網絡對待檢測圖像進行行人重識別。本發明還公開了一種裝置、終端及存儲介質。通過先提取目標層對應的特征圖，然后再進行分割特征圖分割，與減輕了卷積神經網絡的計算量，同時采用橫向和縱向的混合分割方式，在行人重識別過程中結合了兩種分割方式的優點，從而提升了行人重識別的正確率。

技術領域

本發明涉及行人重識別技術領域，尤其涉及一種行人重識別方法、終端、裝置及存儲介質。

背景技術

行人重識別(Person?Re-identification也稱行人再識別，簡稱為ReID，是近年來計算機視覺的一個研究重點，即給定一個監控行人圖像，跨設備檢索該行人的圖像。由于不同攝像設備之間存在差異，行人外觀易受穿著、尺度、遮擋、姿態和視角等影響，行人再識別是一個既具研究價值同時又極富挑戰性的課題。

行人重識別領域已經存在一種較常見的劃分方法是PCB，即通過對圖像進行橫向劃分，以身體語義信息(如頭部、上肢、下肢等)進行特征抽取和對比，提升行人重識別的效果。由于直接對圖片進行劃分后卷積神經網絡的計算量會顯著增大，因此影響了行人重識別速度和效率。

上述內容僅用于輔助理解本發明的技術方案，并不代表承認上述內容是現有技術。

發明內容

本發明的主要目的在于提供一種行人重識別方法、終端、裝置及存儲介質，旨在解決現有行人重識別算法的計算量大，從而導致行人重識別效率不高的技術問題。

為實現上述目的，本發明提供一種行人重識別方法，所述的行人重識別方法包括以下步驟：

將訓練數據輸入預設卷積神經網絡，提取目標層對應的特征圖，其中，所述目標層是所述預設卷積神經網絡的一個中間層或最后層；

對所述特征圖進行混合分割，得到分割后的子特征圖，對各個子特征圖分別進行平均池化以及特征提取，同時對所述特征圖進行平均池化以及特征提取，得到特征向量組；

基于所述特征向量組進行損失計算得到損失值，并基于所述損失值進行卷積神經網絡訓練，得到目標卷積神經網絡；

利用所述目標卷積神經網絡對待檢測圖像進行行人重識別。

進一步地，所述分割方向包括縱向分割和橫向分割，所述對所述特征圖進行混合分割，得到分割后的子特征圖的步驟包括：

獲取預設分割次數M、每次分割對應的分割方向以及每次分割對應的分割份數N，其中，所述M和N是正整數；

將所述特征圖進行M次分割，每次分割根據所述分割方向將所述特征圖平均分割成N塊，得到N個子特征圖，并將所述N個子特征圖串聯后得到每次分割的合并子特征圖；

將每次分割各自對應的N個子特征圖以及合并子特征圖，作為所述分割后的子特征圖。

進一步地，所述特征向量組包括：每次分割各自對應的N個子特征圖的子特征向量，M個合并子特征圖各自對應的合并子特征向量，以及特征圖對應的整體特征向量。

進一步地，所述分割方向包括縱向分割和橫向分割，所述每次分割根據所述分割方向將所述特征圖平均分割成N塊，得到N個子特征圖的步驟包括：

當所述分割方向為縱向分割時，將所述特征圖從左到右平均分成N塊，得到N個縱向的子特征圖；

當所述分割方向為橫向分割時，將所述特征圖從上到下平均分成N塊，得到N個橫向的子特征圖。