[發明專利]基于“預測-恢復-識別”的低分辨率行人重識別方法及系統

有效

• 申請號: 202010843411.2
• 申請日: 2020-08-20
• 公開（公告）號: CN111967408B
• 公開（公告）日: 2022-06-21
• 發明（設計）人: 王亮;黃巖;韓苛;單彩峰;紀文峰
• 申請（專利權）人: 中科人工智能創新技術研究院（青島）有限公司
• 主分類號: G06V40/10
• 分類號: G06V40/10;G06V10/74;G06V10/764;G06V10/82;G06T3/40;G06N3/04;G06N3/08
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 董雪

本發明公開了基于“預測?恢復?識別”的低分辨率行人重識別方法及系統，包括：將獲取到的待識別的低分辨率圖片，輸入到訓練好的深度神經網絡模型，進行最優尺度下的細節恢復，得到超分辨率圖片；計算所述超分辨率圖片特征與高分辨率的搜索庫圖片特征間的歐氏距離，根據所述歐氏距離的大小進行身份匹配的排序。本發明深度神經網絡模型的預測器，能夠根據低分辨率圖片的內容自適應地預測一個較優的尺度因子，以達到更好的恢復和識別的效果。

技術領域

本發明涉及模式識別與機器學習技術領域，尤其涉及一種基于“預測-恢復-識別”的低分辨率行人重識別方法及系統。

背景技術

本部分的陳述僅僅是提供了與本發明相關的背景技術信息，不必然構成在先技術。

行人重識別的目標是給定一張某攝像頭下的行人問詢圖片(query)，在另一個攝像頭的圖片庫(gallery)中把同一個行人的圖片匹配出來。隨著大街小巷的攝像頭分布越來越廣泛，行人重識別在安防等方面展示出了廣闊的應用前景。比如尋找丟失兒童，追蹤嫌疑犯等場景，都可以利用行人重識別技術來協助解決。

低分辨率行人重識別指的是行人問詢圖片(query)的分辨率較低，而圖片庫(gallery)中的圖片分辨率較高的情況。以前的很多方法使用超分辨率模塊對低分辨率圖片進行圖片放大和細節恢復。但是他們往往在超分時預設固定的尺度因子，這容易導致細節恢復不充分，或者生成過多噪聲等問題，難以保證圖片的恢復效果最適合用來識別身份。

發明內容

為了解決上述問題，本發明提出了一種基于“預測-恢復-識別”的低分辨率行人重識別方法及系統，可以根據低分辨率圖片的內容自適應地預測一個較優的尺度因子，以達到更好的恢復和識別的效果。

在一些實施方式中，采用如下技術方案：

基于“預測-恢復-識別”的低分辨率行人重識別方法，包括：

將獲取到的待識別的低分辨率圖片，輸入到訓練好的深度神經網絡模型，進行最優尺度下的細節恢復，得到超分辨率圖片；

計算所述超分辨率圖片特征與高分辨率的搜索庫圖片特征間的歐氏距離，根據所述歐氏距離的大小進行身份匹配的排序。

在另一些實施方式中，采用如下技術方案：

一種基于“預測-恢復-識別”的低分辨率行人重識別系統，包括：

用于將獲取到的待識別的低分辨率圖片，輸入到訓練好的深度神經網絡模型，進行最優尺度下的細節恢復，得到超分辨率圖片的裝置；

用于計算所述超分辨率圖片特征與高分辨率的搜索庫圖片特征間的歐氏距離，根據所述歐氏距離的大小進行身份匹配的排序的裝置。

在另一些實施方式中，采用如下技術方案：

一種終端設備，其包括處理器和計算機可讀存儲介質，處理器用于實現各指令；計算機可讀存儲介質用于存儲多條指令，所述指令適于由處理器加載并執行上述的基于“預測-恢復-識別”的低分辨率行人重識別方法。

在另一些實施方式中，采用如下技術方案：

一種計算機可讀存儲介質，其中存儲有多條指令，所述指令適于由終端設備的處理器加載并執行上述的基于“預測-恢復-識別”的低分辨率行人重識別方法。

與現有技術相比，本發明的有益效果是：

(1)本發明深度神經網絡模型的預測器，能夠根據低分辨率圖片的內容自適應地預測一個較優的尺度因子，以達到更好的恢復和識別的效果。

(2)本發明提出的尺度因子度量，以自監督的方式評估每一個尺度因子的優劣，無需依賴人工進行最優尺度因子的標注，并且使整個網絡模型可以端到端地進行訓練，提升訓練的效率。

附圖說明