[發明專利]一種基于域不變特征和時空特征的重識別方法

在審

• 申請號: 202011387708.9
• 申請日: 2020-12-01
• 公開（公告）號: CN112528788A
• 公開（公告）日: 2021-03-19
• 發明（設計）人: 彭德光;孫健;唐賢倫;黃攀;易興
• 申請（專利權）人: 重慶兆光科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 重慶渝之知識產權代理有限公司 50249
• 代理人: 陸蕾

1.一種基于域不變特征和時空特征的重識別方法，其特征在于，包括：

獲取輸入圖像中目標對象的特征；

構建貝葉斯模型，預測目標對象在多個圖像采集裝置間遷移的時空概率，獲取時空特征；

根據所述目標對象的特征構建多個圖像采集裝置之間同一目標對象的統一特征表示；

根據所述統一特征表示獲取具有域不變性的域不變特征；

根據所述時空特征和域不變特征構建時空注意力熱度圖，用于訓練識別網絡，基于所述識別網絡輸出目標對象識別結果。

2.根據權利要求1所述的基于域不變特征和時空特征的重識別方法，其特征在于，構建貝葉斯模型，預測目標對象在多個圖像采集裝置間遷移的時空概率，獲取時空特征，包括：

以目標對象的特征為先驗知識并利用余弦相似度構建分類器，根據所述目標對象的特征對應的時空信息，評估目標對象在下一時刻出現在某一圖像采集裝置的概率，作為所述時空概率；

根據所述時空概率選出滿足時空約束的多個圖像采集裝置的圖像，獲取時空特征。

3.根據權利要求2所述的基于域不變特征和時空特征的重識別方法，其特征在于，評估目標對象在下一時刻出現在某一圖像采集裝置的概率，包括：

構造特征聯合器，以相鄰時刻兩個圖像采集裝置的圖像作為輸入，輸出兩圖像匹配的概率作為所述時空概率。

4.根據權利要求3所述的基于域不變特征和時空特征的重識別方法，其特征在于，所述特征聯合器F表示為：

其中，M₁表示分類器C基于視覺特征的判斷，α，β為可配置參數。v_i和v_j分別表示輸入的目標對象的特征，c_i和c_j分別表示預測的圖像采集裝置對應的特征。

5.根據權利要求1所述的基于域不變特征和時空特征的重識別方法，其特征在于，根據所述目標對象的特征構建多個圖像采集裝置之間同一目標對象的統一特征表示，包括：

構建公共圖像樣式庫；

將不同時空域的目標對象特征嵌入所述公共圖像樣式庫，得到同一目標對象的統一特征表示。

6.根據權利要求5所述的基于域不變特征和時空特征的重識別方法，其特征在于，特征嵌入方式表示為：

其中，[.,.]表示通道連接，x_rgb表示大小為(3,h,w)的RGB圖像，表示大小為(M,h,w)的二進制張量，表示大小為(N,h,w)的二進制張量，表示大小為(3+M+N,h,w)的張量；的第i個通道為一個非零值，表示x_rgb來自第i個時空域，其余的M-1個通道為“零”值。的第j個通道為一個非零值，表示x_rgb將轉換為第j個時空域，其余N-1個通道為“零”值。

7.根據權利要求1所述的基于域不變特征和時空特征的重識別方法，其特征在于，根據所述統一特征表示獲取具有域不變性的域不變特征，包括：

構造循環一致性神經網絡，將所述統一特征表示輸入經過預訓練的所述循環一致性神經網絡，獲取域不變性特征。

8.根據權利要求7所述的基于域不變特征和時空特征的重識別方法，其特征在于，所述循環一致性神經網絡的損失函數表示為：

其中，為圖像內容解碼器，為圖像內容鑒別器；E^c為內容編碼器。