[發明專利]一種基于單樣本的半監督行人重識別方法

有效

• 申請號: 202010885776.1
• 申請日: 2020-08-28
• 公開（公告）號: CN112131961B
• 公開（公告）日: 2023-02-03
• 發明（設計）人: 黃磊;蔡歡歡;張文鋒;魏志強
• 申請（專利權）人: 中國海洋大學
• 主分類號: G06V40/10
• 分類號: G06V40/10;G06V10/764;G06V10/40;G06V10/774;G06V10/80
• 代理公司: 青島華慧澤專利代理事務所(普通合伙) 37247
• 代理人: 趙梅

本發明公開了一種基于單樣本的半監督行人重識別方法，包括以下步驟：步驟1、設置單樣本數據集；步驟2、設計網絡結構；步驟3、網絡訓練；步驟4、有標簽數據以及偽標簽數據損失計算：有標簽數據以及偽標簽數據的交叉熵損失和部件分割損失相結合；步驟5、無標簽數據預測偽標簽；步驟6、無標簽數據損失計算；步驟7、損失函數融合；步驟8、迭代步驟3?7，采用漸進式方式不斷從無標簽數據中分配偽標簽數據，直到所有無標簽數據都分配為偽標簽數據。通過本發明的方法減小部件不對齊對行人重識別性能的影響，并且通過多分支網絡以及損失函數融合使網絡產生更強的約束，能夠有效提高模型提取特征的能力，取得更為突出的行人重識別性能。

技術領域

本發明屬于計算機視覺技術領域，特別涉及一種基于單樣本的半監督行人重識別方法。

背景技術

行人重識別是跨攝像頭下的行人匹配任務，目的是在給定的數據庫中尋找相同身份的行人。由于標注樣本耗費大量的人力物力，因此，出現了半監督行人重識別方法以及無監督行人重識別方法，本發明的目的是提出一種基于單樣本的半監督行人重識別方法。

基于單樣本的半監督行人重識別，即在單一攝像頭下，每一個身份的行人僅標注一個樣本，其余的圖像都是無標簽樣本。在模型優化的過程中，根據標簽樣本與無標簽樣本特征之間的距離為無標簽樣本分配偽標簽，因此，標簽樣本、無標簽樣本以及偽標簽樣本共同參與網絡的模型優化。在分配偽標簽時，無標簽樣本距離標簽樣本特征越近，則置信度越高，即為無標簽樣本預測的偽標簽越可靠。

雖然現有方法減小了監督學習的行人重識別任務的標注成本，但是仍然存在一些問題。首先，由于監控視頻下的行人姿態變化可能導致行人部件不對齊，相同身份的行人在不同攝像機下外觀特征差異大，基于單樣本的半監督行人重識別僅具有少量的有標簽數據，更是加大了這一影響；其次，由于行人重識別數據集的特點是人體圖像結構固定，并且不同行人圖像之間存在如衣著、姿態等細粒度方面差異，僅利用全局特征不能獲取更好的行人重識別性能，因此難以區分具有相似外觀的不同行人。同理，基于單樣本的半監督行人重識別任務面臨更大的挑戰。

發明內容

針對現有技術存在的不足，本發明提供一種基于單樣本的半監督行人重識別方法，從以下兩個方面進行改進：

(1)針對行人的人體部件不對齊的問題，本發明使用部件分割約束對有標簽數據和無標簽數據以及偽標簽數據進行部件分割訓練，模型優化過程中通過結合部件分割任務，使所有的樣本實現部件對齊，幫助模型學習數據更好的特征，減小部件不對齊對行人重識別性能的影響；

(2)針對不同行人圖像之間存在如衣著、姿態等細粒度方面差異的問題，本發明設計了多分支網絡結構，并且通過損失函數融合的方式，自動學習具有區分性的特征，能夠有效提高模型提取特征的能力，取得更為突出的行人重識別性能。

為了解決上述技術問題，本發明采用的技術方案是：

一種基于單樣本的半監督行人重識別方法，包括以下步驟：

步驟1、設置單樣本數據集：從單樣本數據集中每個類別下的每個相機圖像中各隨機選取一張為有標簽數據，其余的為無標簽數據；

步驟2、設計網絡結構：設計多分支網絡結構，在網絡結構中添加部件分割模塊；

步驟3、網絡訓練：模型第一次訓練時，網絡的訓練包括少量有標簽數據的部件分割任務以及分類任務、大量無標簽數據的部件分割任務以及預測偽標簽和計算排斥損失；隨著迭代訓練次數的增加，網絡的訓練過程為端到端的多任務訓練包括有標簽數據以及偽標簽數據的部件分割任務以及分類任務、無標簽數據的部件分割任務以及預測偽標簽和計算排斥損失；

步驟4、有標簽數據及偽標簽樣本損失計算：有標簽數據及偽標簽樣本的交叉熵損失和部件分割損失相結合，偽標簽樣本當作標簽樣本參與網絡的訓練；

步驟5、無標簽數據預測偽標簽：采用近鄰算法為無標簽數據分配偽標簽；