[發明專利]一種行人重識別方法、智能終端及計算機可讀存儲介質

在審

• 申請號: 202110276486.1
• 申請日: 2021-03-15
• 公開（公告）號: CN112949534A
• 公開（公告）日: 2021-06-11
• 發明（設計）人: 韓曉;林通
• 申請（專利權）人: 鵬城實驗室
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳市君勝知識產權代理事務所(普通合伙) 44268
• 代理人: 陳專;溫宏梅

1.一種行人重識別方法，其特征在于，所述行人重識別方法包括：

獲取查詢圖像；

將所述查詢圖像輸入到已訓練的特征編碼器中，并通過所述特征編碼器對所述查詢圖像進行編碼，得到所述查詢圖像對應的初始特征；

將所述初始特征與預設的記憶存儲器中的各個記憶特征進行特征融合，得到所述查詢圖像對應的查詢特征；

計算所述查詢特征與預設的若干個目標特征之間的比較相似度，并根據所述比較相似度確定所述查詢圖像對應的目標分類。

2.根據權利要求1所述的行人重識別方法，其特征在于，所述將所述初始特征與預設的記憶存儲器中的各個記憶特征進行特征融合，得到所述查詢圖像對應的查詢特征，具體包括：

計算所述初始特征與預設的記憶存儲器中的各個記憶特征之間的記憶相似度值；

根據各個所述記憶特征對應的記憶相似度值，將所述記憶特征和所述初始特征進行融合，得到所述查詢圖像對應的查詢特征。

3.根據權利要求1所述的行人重識別方法，其特征在于，所述將所述查詢圖像輸入到已訓練的特征編碼器中，并通過所述特征編碼器對所述查詢圖像進行編碼，得到所述查詢圖像對應的初始特征之前，還包括：

獲取訓練圖像集，其中，所述訓練圖像集包括若干個訓練子集；

針對每一個訓練子集，將該訓練子集中的錨訓練圖像和樣本圖像輸入預設的初始編碼器，并通過所述初始編碼器，對該錨訓練圖像和該樣本圖像進行編碼，得到該錨訓練圖像對應的錨特征以及該樣本圖像對應的樣本特征，其中，該樣本圖像包括正訓練圖像和/或負訓練圖像；

計算該錨訓練特征和該樣本特征之間的訓練相似度值，并基于所述訓練相似度值，確定該錨訓練圖像對應的預測標簽；

基于所述預測標簽和該訓練子集中的訓練標簽，對所述初始編碼器進行參數調整，直至所述初始編碼器收斂，得到所述特征編碼器。

4.根據權利要求3所述的行人重識別方法，其特征在于，所述通過所述初始編碼器，對該錨訓練圖像進行編碼，得到該錨訓練圖像對應的錨特征，具體包括：

針對每一個所述訓練圖像集中的訓練圖像，將該訓練圖像輸入預設的第一編碼器中，并通過所述第一編碼器對該訓練圖像進行編碼，得到該訓練圖像對應的中間特征；

將該中間特征輸入到預設的第一解碼器器中，并通過所述第一解碼器對該中間特征進行編碼，得到該訓練圖像對應的預測標簽；

基于所述預測標簽和該訓練圖像對應的標簽特征，對所述第一編碼器和所述第一解碼器進行參數調整，直至所述第一編碼器和所述第一解碼器收斂，得到已訓練的第二編碼器和第二解碼器，其中，所述標簽特征為與該訓練圖像對應的訓練標簽對應的嵌入向量；

基于所述第二編碼器，對該錨訓練圖像進行編碼，得到該錨訓練圖像對應的錨特征。

5.根據權利要求3所述的行人重識別方法，其特征在于，所述計算該錨訓練特征和該樣本特征之間的訓練相似度值，并基于所述訓練相似度值，確定該錨訓練圖像對應的預測標簽之后，還包括：

計算所述預測標簽與所述訓練標簽之間的評估值；

根據所述評估值與預設的評估閾值，確定該錨訓練圖像是否為低識別圖像；

若該錨訓練圖像為所述低識別圖像，將該錨訓練圖像與該錨訓練圖像作為記憶特征，并將所述記憶特征和所述記憶特征對應的訓練標簽寫入所述記憶存儲器中。

6.根據權利要求3所述的行人重識別方法，其特征在于，所述基于所述預測標簽和該訓練子集中的訓練標簽，對所述初始編碼器進行參數調整，直至所述初始編碼器收斂，得到所述特征編碼器之后，還包括：

基于所述特征編碼器，對所述記憶存儲器中的記憶特征進行更新。