[發明專利]一種基于置信學習的行人重識別方法、裝置及存儲介質

有效

• 申請號: 202010549958.1
• 申請日: 2020-06-16
• 公開（公告）號: CN111783568B
• 公開（公告）日: 2022-07-15
• 發明（設計）人: 林修明;辛錚;趙文霞;林淑強;陳濤濤;鄢小征;魏超
• 申請（專利權）人: 廈門市美亞柏科信息股份有限公司
• 主分類號: G06V20/40
• 分類號: G06V20/40;G06V40/10;G06V10/774;G06V10/74;G06K9/62
• 代理公司: 廈門福貝知識產權代理事務所(普通合伙) 35235
• 代理人: 陳遠洋

1.一種基于置信學習的行人重識別方法，其特征在于，該方法包括：

預處理步驟，從視頻圖像資源庫的獲取N張行人圖像，從所述N張行人圖像隨機選取M張行人圖像作為查詢圖像，N-M張行人圖像作為查詢底庫；

篩選步驟，使用行人重識別模型對所述M張行人圖像中的每張行人圖像在查詢底庫進行查詢匹配，如果查詢底庫中存在與該張行人圖像相似度大于第一閾值的圖像的數目大于第二閾值時，則將該數目的行人圖像保存在一候選訓練集，并將該數目的行人圖像標記一個新的人員id；

置信訓練步驟，當所述候選訓練集的id的數目與所述行人重識別模型的原始訓練集數目的比例達到第三閾值時，將所述候選訓練集與所述原始訓練集合并得到合并訓練集，并使用置信訓練尋找合并訓練集的標簽誤差；

重訓練步驟，基于所述標簽誤差對所述合并訓練集進行校驗，使用校驗后的合并訓練集對所述行人重識別模型進行重新訓練得到重訓練后的行人重識別模型；

識別步驟，將所述重訓練后的行人重識別模型進行線上更新以進行行人重識別。

2.根據權利要求1所述的方法，其特征在于，所述從視頻圖像資源庫的獲取N張行人圖像的操作為：通過行人檢測模型對視頻圖像資源庫中的每條視頻進行檢測，如果所述視頻中一幀或多幀中存在行人，則將該一幀或多幀中的行人圖像進行摳取，所述視頻處理完畢后獲得N張行人圖像。

3.根據權利要求2所述的方法，其特征在于，所述相似度為余弦相似度，所述第一閾值為0.9，所述第二閾值為10，所述第三閾值為0.2。

4.根據權利要求3所述的方法，其特征在于，所述使用置信訓練尋找合并訓練集的標簽誤差的過程為：

將原始訓練集等分成5份，每份分別與候選訓練集組成5個子合并訓練集，針對這5個子合并訓練集并行進行置信訓練，對子合并訓練集分別剔除錯誤標簽后再對其進行合并，對每個子合并訓練集進行置信訓練的操作為：

定義置信分布：每個子合并訓練集的置信分布 ，其表示標記類別 樣本X的實際類別 的概率為

其中：； 其中，為設定閾值，表示類別j中的所有樣本距類中心的平均余弦距離:

得到置信分布后，定義聯合分布：

得到聯合分布后，用于查找并刪除帶有標簽問題的噪聲類別。

5.根據權利要求4所述的方法，其特征在于，所述基于所述標簽誤差對所述合并訓練集進行校驗的操作為：通過人工判定所述標簽誤差是否正確，如果判定存在誤標記，則刪除該人員id。

6.一種基于置信學習的行人重識別裝置，其特征在于，該裝置包括：

預處理單元，從視頻圖像資源庫的獲取N張行人圖像，從所述N張行人圖像隨機選取M張行人圖像作為查詢圖像，N-M張行人圖像作為查詢底庫；

篩選單元，使用行人重識別模型對所述M張行人圖像中的每張行人圖像在查詢底庫進行查詢匹配，如果查詢底庫中存在與該張行人圖像相似度大于第一閾值的圖像的數目大于第二閾值時，則將該數目的行人圖像保存在一候選訓練集，并將該數目的行人圖像標記一個新的人員id；

置信訓練單元，當所述候選訓練集的id的數目與所述行人重識別模型的原始訓練集數目的比例達到第三閾值時，將所述候選訓練集與所述原始訓練集合并得到合并訓練集，并使用置信訓練尋找合并訓練集的標簽誤差；

重訓練單元，基于所述標簽誤差對所述合并訓練集進行校驗，使用校驗后的合并訓練集對所述行人重識別模型進行重新訓練得到重訓練后的行人重識別模型；

識別單元，將所述重訓練后的行人重識別模型進行線上更新以進行行人重識別。

7.根據權利要求6所述的裝置，其特征在于，所述從視頻圖像資源庫的獲取N張行人圖像的操作為：通過行人檢測模型對視頻圖像資源庫中的每條視頻進行檢測，如果所述視頻中一幀或多幀中存在行人，則將該一幀或多幀中的行人圖像進行摳取，所述視頻處理完畢后獲得N張行人圖像。