[發明專利]一種行人重識別方法、裝置、介質和移動機器人

在審

• 申請號: 202110246506.0
• 申請日: 2021-03-05
• 公開（公告）號: CN112861780A
• 公開（公告）日: 2021-05-28
• 發明（設計）人: 秦豪;趙明
• 申請（專利權）人: 上海有個機器人有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06N3/04;G06N3/08
• 代理公司: 北京天盾知識產權代理有限公司 11421
• 代理人: 梁秀秀

1.一種行人重識別方法，其特征在于，包括以下步驟：

步驟1，構建行人重識別網絡模型，并將所述行人重識別網絡模型設置到圖形處理器中；所述行人重識別網絡模型包括依次連接的骨干網絡、檢測頭模塊、感興趣池化模塊、行人特征提取模塊和行人特征比對模塊；

步驟2，獲取第一訓練集，并通過所述第一訓練集對所述骨干網絡和所述檢測頭模塊進行訓練，優化所述骨干網絡和所述檢測頭模塊的網絡參數；

步驟3，固定優化后所述骨干網絡和所述檢測頭模塊的網絡參數，并獲取第二訓練集，通過所述第二訓練集對所述感興趣池化模塊和所述行人特征提取模塊進行訓練，優化所述感興趣池化模塊和所述行人特征提取模塊的網絡參數；

步驟4，采集實時行人圖片，并基于訓練完成的所述行人重識別網絡模型對所述實時行人圖片中的目標行人進行檢測。

2.根據權利要求1所述的行人重識別方法，其特征在于，所述骨干網絡的網絡結構按計算單元處理順序為：

第一卷積塊，卷積層為30通道，3x3卷積核，步長為2，連接BN層處理，再連接一個LeakyReLU層輸出；

第二卷積塊，卷積層為61通道，3x3卷積核，步長為2，連接BN層處理，再連接一個LeakyReLU層輸出；

第一卷積塊組，包括依次連接的第三卷積塊、第四卷積塊和第五卷積塊，所述第三卷積塊的卷積層為109通道，3x3卷積核，步長為2；所述第四卷積塊的卷積層為64通道，1x1卷積核，步長為2；所述第五卷積塊的卷積層為106通道，3x3卷積核，步長為1；

第二卷積塊組，包括依次連接的第六卷積塊、第七卷積塊和第八卷積塊，所述第六卷積塊的卷積層為129通道，3x3卷積核，步長為2；所述第七卷積塊的卷積層為128通道，1x1卷積核，步長為1；所述第八卷積塊的卷積層為181通道，3x3卷積核，步長為1；

第三卷積塊組，包括依次連接的第九卷積塊、第十卷積塊、第十一卷積塊、第十二卷積塊和第十三卷積塊，所述第九卷積塊的卷積層為277通道，3x3卷積核，步長為2；所述第十卷積塊的卷積層為195通道，1x1卷積核，步長為1；所述第十一卷積塊的卷積層為297通道，3x3卷積核，步長為1；所述第十二卷積塊的卷積層為195通道，1x1卷積核，步長為1；所述第十三卷積塊的卷積層為381通道，3x3卷積核，步長為1；

第四卷積塊組，包括依次連接的第十四卷積塊、第十五卷積塊、第十六卷積塊、第十七卷積塊和第十八卷積塊，所述第十四卷積塊的卷積層為469通道，3x3卷積核，步長為2；所述第十五卷積塊的卷積層為379通道，1x1卷積核，步長為1；所述第十六卷積塊的卷積層為499通道，3x3卷積核，步長為1；所述第十七卷積塊的卷積層為351通道，1x1卷積核，步長為1；所述第十八卷積塊的卷積層為340通道，3x3卷積核，步長為1。

3.根據權利要求2所述的行人重識別方法，其特征在于，所述檢測頭模塊的網絡結構包括第一檢測頭單元、第二檢測頭單元、上采樣單元和非極大值抑制單元，

所述第一檢測頭單元包括第十九卷積塊和第一檢測頭，所述第十九卷積塊的第一輸入端連接所述第三卷積塊組的輸出端，所述第十九卷積塊的第一輸出端經所述第一檢測頭連接所述非極大值抑制單元的第一輸入端；

所述第二檢測頭單元包括第二十卷積塊和第二檢測頭，所述第二十卷積塊的輸入端連接所述第四卷積塊組的輸出端，所述第二十卷積塊的第一輸出端經所述第二檢測頭連接所述非極大值抑制單元的第二輸入端，所述第二十卷積塊的第二輸出端經所述上采樣單元連接所述第十九卷積塊的第二輸入端；

所述第十九卷積塊的卷積層為128通道，1x1卷積核，步長為1，連接BN層處理，再連接一個LeakyReLU層輸出；

所述第二十卷積塊的卷積層為128通道，1x1卷積核，步長為1，連接BN層處理，再連接一個LeakyReLU層輸出。