[發明專利]目標重識別方法、模型訓練方法、裝置、設備及存儲介質

在審

• 申請號: 202011643965.4
• 申請日: 2020-12-30
• 公開（公告）號: CN112686176A
• 公開（公告）日: 2021-04-20
• 發明（設計）人: 李帥杰;魏新明
• 申請（專利權）人: 深圳云天勵飛技術股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/62
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 李紅艷

本申請公開了一種目標重識別方法、模型訓練方法、裝置、設備及存儲介質，屬于圖像處理領域。所述方法包括：獲取第一目標框圖像，第一目標框圖像是對待檢測圖像進行目標檢測得到；通過空間變換網絡模型對第一目標框圖像進行校正，得到第二目標框圖像；通過重識別模型對第二目標框圖像進行重識別，得到目標特征。如此，可以先通過空間變換網絡模型將檢測的非標準目標框圖像校正為標準目標框圖像，再作為重識別模型的輸入圖像進行重識別，這樣可以保證重識別模型的輸入圖像與其訓練過程中使用的標準目標框圖像保持一致，避免重識別模型的輸入圖像與其訓練過程中使用的標準目標框圖像不一致對重識別模型精度的影響，提高重識別結果的準確度。

技術領域

本申請涉及圖像處理領域，特別涉及一種目標重識別方法、模型訓練方法、裝置、設備及存儲介質。

背景技術

目標ReID(Re-Identification，重識別)是指利用圖像處理技術來識別圖像中的特定目標，其在智能視頻監控、機器人以及自動駕駛等領域發揮著必不可少的作用。目標ReID主要包括行人ReID或車輛ReID等。比如，在行人ReID中，可以利用圖像處理技術來判定某一攝像頭下的行人是否出現在其他攝像頭中，以描繪行人的活動路徑，實現跨鏡頭追蹤等目的。

相關技術中，可以利用重識別模型進行重識別，重識別模型的輸入為目標框圖像，輸出為目標框圖像中目標的目標特征，目標特征用于確定目標的類別。在進行重識別之前，需要預先基于訓練數據訓練得到該重識別模型，該訓練數據包括多個標準目標框圖像以及每個標準目標框對應的目標類別。其中，該訓練數據可以通過人工標注得到，標準目標框圖像中包括完整的目標，且目標與目標框的位置匹配。在訓練得到重識別模型之后進行重識別時，可以先通過檢測器對待檢測圖像進行目標檢測，得到目標框圖像，再通過重識別模型對目標框圖像進行重識別，得到目標特征。

但是，檢測器輸出的目標框圖像與訓練過程中所使用的標準目標框圖像可能不一致，比如檢測器輸出的目標框圖像中存在不完整的目標或者存在目標框漂移等情況，這些情況將會影響重識別模型的精度，進而影響重識別結果的準確度。

發明內容

本申請實施例提供了一種目標重識別方法、模型訓練方法、裝置、設備及存儲介質，可以用于解決相關技術中存在的重識別結果準確度較低的問題。所述技術方案如下：

一方面，提供了一種目標重識別方法，所述方法包括：

獲取第一目標框圖像，所述第一目標框圖像是對待檢測圖像進行目標檢測得到；

通過空間變換網絡模型對所述第一目標框圖像進行校正，得到第二目標框圖像；

通過重識別模型對所述第二目標框圖像進行重識別，得到目標特征。

可選地，所述空間變換網絡模型包括參數預測網絡、坐標映射網絡和像素采集網絡；所述通過空間變換網絡模型對所述第一目標框圖像進行校正，得到第二目標框圖像，包括：

將所述第一目標框圖像作為所述參數預測網絡的輸入，通過所述參數預測網絡對所述第一目標框圖像進行參數預測，得到空間變換參數；

基于所述空間變換參數，通過所述坐標映射網絡，構建所述第一目標框圖像與校正后的第一目標框圖像之間的空間映射關系；

基于所述空間映射關系，通過所述像素采集網絡，對所述第一目標框圖像進行像素采集，得到所述第二目標框圖像。

可選地，所述通過所述參數預測網絡對所述第一目標框圖像進行參數預測，得到空間變換參數，包括：

通過所述空間變換網絡模型對所述第一目標框圖像進行參數預測，得到初始變換矩陣；

對所述初始變換矩陣進行矩陣變換，將矩陣變換后的初始變換矩陣作為所述空間變換參數。

可選地，所述參數預測網絡包括卷積層、池化層和全連接層。