[發(fā)明專利]行人特征提取模型的訓練方法、行人識別方法及相關(guān)裝置

有效

• 申請?zhí)枺?/td>: 202010521293.3
• 申請日: 2020-06-10
• 公開（公告）號: CN111666902B
• 公開（公告）日: 2022-11-01
• 發(fā)明（設(shè)計）人: 樊強
• 申請（專利權(quán)）人: 重慶紫光華山智安科技有限公司
• 主分類號: G06V40/10
• 分類號: G06V40/10;G06V10/764;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 北京超凡宏宇專利代理事務(wù)所(特殊普通合伙) 11463
• 代理人: 張欣欣

1.一種行人特征提取模型的訓練方法，其特征在于，所述方法包括：

通過待訓練行人特征提取模型的分類層獲取M個類中心特征向量；其中，所述M為大于1的整數(shù)；所述M個類中心特征向量與M個不同的行人具有一一對應(yīng)關(guān)系；任意兩個所述類中心特征向量的類間距為第一類間距；所述類間距表征所述M個不同的行人之間的差異度；

根據(jù)預(yù)設(shè)更新策略更新所述M個類中心特征向量；其中，任意兩個更新后的類中心特征向量之間的間距為第二類間距，所述第二類間距大于所述第一類間距；

獲取樣本圖像集合；其中，所述樣本圖像集合中包括N個樣本圖像；所述N為大于所述M的整數(shù)；

基于更新后的M個類中心特征向量和所述樣本圖像集合對所述待訓練行人特征提取模型進訓練，得到行人特征提取模型，其中，所述行人特征提取模型用于獲取行人圖像的特征向量；

所述根據(jù)預(yù)設(shè)更新策略更新所述M個類中心特征向量的步驟，包括：計算所述M個類中心特征向量對應(yīng)的平均類中心特征向量和任意一個類中心特征向量與所述平均類中心特征向量之間的夾角；根據(jù)預(yù)設(shè)的角度調(diào)整參數(shù)、任意一個類中心特征向量與所述平均類中心特征向量之間的夾角更新所述M個類中心特征向量；

所述更新后的M個類中心特征向量滿足如下關(guān)系式：

其中，和分別表征第j個類中心特征向量和更新后的第j個類中心特征向量，j＝1,2,...,M；表征所述平均類中心特征向量；θ_j表征第j個類中心特征向量與所述平均類中心特征向量之間的夾角；λ表征所述角度調(diào)整參數(shù)；|·|表征向量的模。

2.根據(jù)權(quán)利要求1所述的行人特征提取模型的訓練方法，其特征在于，所述N個樣本圖像包含M個訓練樣本圖像與R個測試樣本圖像；所述M與所述R的總和為所述N；所述基于更新后的M個類中心特征向量和所述樣本圖像集合對所述待訓練行人特征提取模型進訓練，得到行人特征提取模型的步驟，包括：

基于更新后的所述M個類中心特征向量和所述M個訓練樣本圖像對所述待訓練行人特征提取模型進行預(yù)設(shè)迭代次數(shù)的訓練，獲得訓練后的所述待訓練行人特征提取模型；

當利用訓練后的所述待訓練行人特征提取模型對所述R個測試樣本進行測試時的測試指標保持不變時，則所述訓練后的待訓練行人特征提取模型為行人特征模型。

3.一種行人識別方法，其特征在于，所述方法包括：

獲取待搜索圖像和比對圖像庫；其中，所述待搜索圖像中包括目標行人；所述比對圖像庫中包含多張比對圖像；

通過所述行人特征提取模型確定所述待搜索圖像對應(yīng)的第一圖像特征和所述多張比對圖像對應(yīng)的第二圖像特征；其中，所述行人特征提取模型為采用上述權(quán)利要求1-2任意一項所述的行人特征提取模型的訓練方法訓練而成；所述第一圖像特征和所述第二圖像特征用于確定與所述目標行人匹配的至少一張所述比對圖像。

4.根據(jù)權(quán)利要求3所述的行人識別方法，其特征在于，所述方法還包括：

計算所述待搜索圖像對應(yīng)的第一圖像特征和所述多張比對圖像對應(yīng)的第二圖像特征之間的相似度；

根據(jù)所述相似度確定至少一張比對圖像；所述至少一張比對圖像中包含所述目標行人。