[發明專利]一種行人重識別方法、裝置、電子設備和存儲介質

有效

• 申請號: 202011505063.4
• 申請日: 2020-12-18
• 公開（公告）號: CN112541448B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 尤煒鋒;謝會斌;李聰廷
• 申請（專利權）人: 濟南博觀智能科技有限公司
• 主分類號: G06V40/10
• 分類號: G06V40/10;G06V20/52;G06V10/44;G06V10/74;G06V10/80;G06V10/82;G06N3/0464
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 劉新雷

本申請公開了一種行人重識別方法，包括：獲取輸入圖像集合；利用輸入圖像集合對具有峰值檢測器的初始多粒度網絡模型進行特征訓練，得到具有峰值檢測器的多粒度網絡模型；將待檢測圖像輸入具有峰值檢測器的多粒度網絡模型，得到特征提取結果；將特征提取結果與含有目標行人的圖片庫中提取的特征向量集合進行匹配，識別目標行人。該方法利用具有峰值檢測器的多粒度網絡模型，可以準確提取行人特征并進行特征學習，避免了相關技術中僅利用多粒度網絡模型任意切分人體引入背景信息造成特征學習混亂的缺點，能夠改善模型性能，提高目標行人識別準確率。本申請同時還提供了一種行人重識別裝置、一種電子設備和存儲介質，具有上述有益效果。

技術領域

本申請涉及圖像處理技術領域，特別涉及一種行人重識別方法、裝置、電子設備和存儲介質。

背景技術

行人重識別(Person?Re-identification，ReID)是利用計算機視覺技術判斷圖像或者視頻序列中是否存在特定行人的技術。廣泛被認為是一個圖像檢索的子問題，即給定一個監控行人圖像，檢索跨設備下的該行人圖像。

相關技術中的行人重識別技術中，基本采用“三段式”對行人圖像進行切分，生成不同的塊，針對每一塊提取特征，然后進行分類，得到最終的結果，這種方式無法準確切分人體，會引入背景信息，造成特征學習混亂，訓練得到的模型效果較差，進而行人重識別的識別成功率較低。

發明內容

本申請的目的是提供一種行人重識別方法，能夠準確提取行人特征并進行特征學習，提高目標行人識別準確率。其具體方案如下：

第一方面，本申請公開了一種行人重識別方法，包括：

獲取輸入圖像集合；

利用所述輸入圖像集合對具有峰值檢測器的初始多粒度網絡模型進行特征訓練，得到具有峰值檢測器的多粒度網絡模型；

將待檢測圖像輸入所述具有峰值檢測器的多粒度網絡模型，得到特征提取結果；

將所述特征提取結果與含有目標行人的圖片庫中提取的特征向量集合進行匹配，識別目標行人。

可選的，利用所述輸入圖像集合對具有峰值檢測器的初始多粒度網絡模型進行特征訓練，得到具有峰值檢測器的多粒度網絡模型，包括：

利用所述具有峰值檢測器的初始多粒度網絡模型，對所述輸入圖像集合中的各個圖像進行特征提取，得到全局特征圖；

利用所述模型中的峰值檢測器對所述全局特征圖進行人體部位檢測，生成感興趣區域；

對所述各個圖像中的所述感興趣區域進行水平切分，得到局部特征圖，并對所述局部特征圖進行拼接得到拼接特征圖；

利用所述全局特征圖、所述局部特征圖和所述拼接特征圖進行訓練得到所述具有峰值檢測器的多粒度網絡模型。

可選的，對所述全局特征圖、所述局部特征圖和所述拼接特征圖進行訓練得到所述具有峰值檢測器的多粒度網絡模型，包括：

將行人ID和行人屬性作為標簽，利用所述全局特征圖、所述局部特征圖和所述拼接特征圖進行特征訓練，得到所述具有峰值檢測器的多粒度網絡模型。

可選的，將待檢測圖像輸入所述具有峰值檢測器的多粒度網絡模型，得到特征提取結果，包括：

將待檢測圖像輸入所述具有峰值檢測器的多粒度網絡模型，得到對應的全局特征圖、局部特征圖和拼接特征圖；

對所述全局特征圖、局部特征圖和拼接特征圖進行特征提取，得到全局特征向量、局部特征向量和拼接特征向量；

根據所述全局特征向量、局部特征向量和拼接特征向量得到聯合特征向量，并將所述聯合特征向量作為所述特征提取結果。