[發(fā)明專利]模型訓(xùn)練方法、對象識別方法及裝置、存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202010529203.5
• 申請日: 2020-06-11
• 公開（公告）號: CN113807122A
• 公開（公告）日: 2021-12-17
• 發(fā)明（設(shè)計）人: 王棟;劉梓墨;王雙;戚赟煒;鄧玉明
• 申請（專利權(quán)）人: 阿里巴巴集團控股有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京安信方達知識產(chǎn)權(quán)代理有限公司 11262
• 代理人: 陶麗;栗若木

一種模型訓(xùn)練方法、對象識別方法及裝置、存儲介質(zhì)，所述方法包括獲取圖像采集裝置采集的圖像，根據(jù)獲取的圖像建立多組樣本集合；對獲取的圖像進行關(guān)聯(lián)處理，獲得多個視頻片段，根據(jù)視頻片段和樣本集合建立單組樣本對集合，利用單組樣本對集合訓(xùn)練單組距離模型，該單組距離模型用于計算屬于相同樣本集合的兩個樣本之間的距離；根據(jù)單組距離模型和樣本集合建立第一跨組樣本對集合和第二跨組樣本對集合，利用單組樣本對集合和第一跨組樣本對集合初始化訓(xùn)練跨組距離模型，利用第二跨組樣本對集合繼續(xù)訓(xùn)練跨組距離模型。本申請實現(xiàn)了無監(jiān)督跨攝像頭模型訓(xùn)練和對象識別，且識別精度相對較高。

技術(shù)領(lǐng)域

本申請涉及但不限于圖像識別技術(shù)領(lǐng)域，尤其涉及一種模型訓(xùn)練方法、對象識別方法及裝置、存儲介質(zhì)。

背景技術(shù)

目前，大量的監(jiān)控攝像頭被應(yīng)用于人群密度較大且較容易發(fā)生安全問題的場所，如：超市防盜、園區(qū)安防等。行人重識別也被稱為行人再識別或重驗證，是判斷來自非重疊攝像頭所拍攝到的行人是否為同一個行人的技術(shù)。行人重識別技術(shù)使得針對特定對象的監(jiān)控視頻檢索成為可能，具有重要的現(xiàn)實意義。根據(jù)對訓(xùn)練數(shù)據(jù)的依賴性，行人重識別算法可分為基于監(jiān)督學習的行人重識別算法、基于半監(jiān)督學習的行人重識別算法和基于無監(jiān)督學習的行人重識別算法。前兩者用戶需要通過在特定應(yīng)用場景大量收集和標注訓(xùn)練樣本，不僅耗時而且遷移性差。而無監(jiān)督行人重識別不依賴于數(shù)據(jù)標注，成為行人重識別技術(shù)發(fā)展的趨勢。

發(fā)明內(nèi)容

本申請?zhí)峁┝艘环N模型訓(xùn)練方法、對象識別方法及裝置、存儲介質(zhì)，能夠?qū)崿F(xiàn)無監(jiān)督跨攝像頭行人重識別，且識別精度相對較高。

本申請實施例提供了一種模型訓(xùn)練方法，包括：獲取圖像采集裝置采集的圖像，根據(jù)獲取的圖像建立多組樣本集合；對獲取的圖像進行關(guān)聯(lián)處理，獲得多個視頻片段，根據(jù)所述視頻片段和樣本集合建立單組樣本對集合，利用所述單組樣本對集合訓(xùn)練單組距離模型，所述單組距離模型用于計算屬于相同樣本集合的兩個樣本之間的距離；根據(jù)所述單組距離模型和樣本集合，建立第一跨組樣本對集合和第二跨組樣本對集合，所述第一跨組樣本對集合包括多個第一跨組樣本對，所述第一跨組樣本對包括屬于不同樣本集合的第一樣本和第二樣本，且所述第一樣本和第二樣本互為在對方所在樣本集合中搜索到的與自身距離最近的樣本；所述第二跨組樣本對集合包括多個第二跨組樣本對，所述第二跨組樣本對包括屬于不同樣本集合的第三樣本和第四樣本，且所述第三樣本和第四樣本中的一個為在自身所在樣本集合中搜索到的與所述第三樣本和第四樣本中的另一個距離最近的樣本；利用單組樣本對集合和第一跨組樣本對集合初始化訓(xùn)練跨組距離模型，利用第二跨組樣本對集合繼續(xù)訓(xùn)練所述跨組距離模型直至所述跨組距離模型訓(xùn)練完成，所述跨組距離模型用于計算屬于不同樣本集合的兩個樣本之間的距離。

在一些可能的實現(xiàn)方式中，所述根據(jù)獲取的圖像建立多組樣本集合，包括：將所述獲取的圖像縮放至預(yù)設(shè)像素值；提取縮放后的圖像的多維特征向量；對提取的多維特征向量進行降維；將降維之后的特征向量存儲為所述樣本集合中的樣本。

在一些可能的實現(xiàn)方式中，一個所述圖像采集裝置采集的圖像對應(yīng)一組或多組所述樣本集合。

在一些可能的實現(xiàn)方式中，所述單組樣本對集合包括正樣本對集合和負樣本對集合；所述根據(jù)所述視頻片段和樣本集合建立單組樣本對集合，包括：將屬于相同視頻片段的任意兩個樣本作為一個正樣本對，一組樣本集合對應(yīng)的多個正樣本對組成該組樣本集合對應(yīng)的正樣本對集合；將屬于不同視頻片段的任意兩個樣本作為一個負樣本對，一組樣本集合對應(yīng)的多個負樣本對組成該組樣本集合對應(yīng)的負樣本對集合。

在一些可能的實現(xiàn)方式中，所述單組距離模型和跨組距離模型均為跨視圖二次鑒別分析距離模型。

在一些可能的實現(xiàn)方式中，在所述利用第二跨組樣本對集合繼續(xù)訓(xùn)練所述跨組距離模型時，循環(huán)收斂條件為所有第二跨組樣本對訓(xùn)練完畢或者訓(xùn)練次數(shù)達到預(yù)設(shè)迭代次數(shù)。

本申請實施例還提供了一種模型訓(xùn)練裝置，包括處理器和存儲器，所述處理器用于執(zhí)行存儲器中存儲的計算機程序以實現(xiàn)如以上任意一項所述的模型訓(xùn)練方法的步驟。