[發(fā)明專利]一種漸進式多損失函數(shù)約束下的行人重識別動態(tài)訓練方法和系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202110785682.1
• 申請日: 2021-07-12
• 公開（公告）號: CN113609920A
• 公開（公告）日: 2021-11-05
• 發(fā)明（設計）人: 夏秋婷;徐聯(lián)伯;彭珂凡
• 申請（專利權(quán)）人: 杭州英歌智達科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/20;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 浙江杭知橋律師事務所 33256
• 代理人: 方東;馮永強

本發(fā)明涉及深度學習領域，公開了一種漸進式多損失函數(shù)約束下的行人重識別動態(tài)訓練方法和系統(tǒng)；通過關鍵點檢測技術確定行人裁剪框位置，通過padding方式進行行人部件對齊；設計網(wǎng)絡結(jié)構(gòu)對不同尺寸細節(jié)特征進行提取；通過漸進式多損失聯(lián)合約束方法對提取的特征向量進行動態(tài)訓練。比較每個圖像塊之間的相似度，實現(xiàn)更精準、更有效的特征比對；設計多尺度特征提取模塊，捕捉不同尺寸細節(jié)特征，增加網(wǎng)絡特征提取能力；漸進式多損失聯(lián)合約束方法進行動態(tài)訓練，其調(diào)控性強、靈活度高；可根據(jù)不同訓練階段，逐步控制類內(nèi)距離和類間距離不斷趨向于理想狀態(tài)，最終提升模型特征提取能力，優(yōu)化模型效果。

技術領域

本發(fā)明涉及深度學習領域，尤其涉及了基于漸進式聯(lián)合損失函數(shù)約束下的行人重識別動態(tài)訓練方法和系統(tǒng)。

背景技術

行人重識別也稱行人再識別，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，該技術在在監(jiān)控設備視覺領域非常重要。

雖然目前的人臉識別技術非常成熟，能夠通過人臉比對搜索和識別判斷出某個人，但是也存在一些局限性，比如人臉識別在行人帶著面罩，背對監(jiān)控等特殊情況下將無法識別。

行人重識別技術可以實現(xiàn)給定一個監(jiān)控行人圖像，檢索出不同設備下的該行人圖像。行人重識別技術可以對無法獲取清晰拍攝人臉的行人進行跨攝像頭連續(xù)跟蹤，增強數(shù)據(jù)的時空連續(xù)性，在安防、尋找失蹤兒童等的場景中，協(xié)同人臉識別技術，協(xié)助高效處理事件。然而，目前行人重識別的研究也面臨著諸如姿態(tài)變化大、服裝過于相似等挑戰(zhàn)，如何提升模型識別性能，減少誤檢、漏檢，成為了行業(yè)內(nèi)一個重要研究分支。

專利名稱為：一種行人重識別方法及系統(tǒng)，申請?zhí)枮椋篊N201910672444.2，申請日：2019-07-24，專利申請中公開了通過行人分析網(wǎng)絡對輸入圖像進行行人分析，提取輸入圖像中的行人的細粒度特征；將細粒度特征與行人重識別網(wǎng)絡模型的卷積層輸出的輸入圖像的行人特征融合；根據(jù)融合后的行人特征，識別輸入圖像中的行人。該專利采用了業(yè)界常用的Resnet50為骨架網(wǎng)絡，而本發(fā)明使用了自行設計的并行多分支多尺度特征提取結(jié)構(gòu)為主干網(wǎng)絡，具備更強的細節(jié)特征挖掘能力。本發(fā)明所涉及損失函數(shù)以及模型訓練方法和該專利完全不同。該專利選用普通三元組損失函數(shù)以及交叉熵損失函數(shù)，使用通用訓練方案。而本發(fā)明考慮到每個類別的優(yōu)化難度及方向不一致，針對每個類別設有不同調(diào)控因子，且在訓練過程中采用漸進式訓練策略。

專利名稱為：一種聯(lián)合多損失動態(tài)訓練策略增強局部特征學習的行人重識別方法，申請?zhí)枮椋篊N2020109348839，申請日：2020-09-08，專利申請中公開了一種利用部件對齊思想進行特征匹配，采用自注意力機制網(wǎng)絡提取非行人局部特征；專利強調(diào)該局部特征主要為行人攜帶物品，并將行人全局特征和該局部特征融合用于行人重識別。訓練方法上，使用動態(tài)訓練交叉熵和三元組損失函數(shù)方法優(yōu)化模型參數(shù)。不同的是，本發(fā)明和該專利對齊方法不同，所采用網(wǎng)絡結(jié)構(gòu)也完全不相同。該專利涉及的動態(tài)訓練方法是一種針對當前兩個損失函數(shù)平均損失值，添加一平均移動因子，通過控制該平均移動因子，控制約束強度。本發(fā)明中的動態(tài)訓練過程調(diào)控更為精準細致。

發(fā)明內(nèi)容

本發(fā)明針對現(xiàn)有技術在行人重識別過程中，其姿態(tài)變化大，服裝過于相似，這樣模型識別性能差，容易存在誤檢和漏檢的問題，提供了一種漸進式多損失函數(shù)約束下的行人重識別動態(tài)訓練方法和系統(tǒng)。

為了解決上述技術問題，本發(fā)明通過下述技術方案得以解決：

一種漸進式多損失函數(shù)約束下的行人重識別動態(tài)訓練方法，其方法包括

標準化對齊，通過關鍵點檢測技術確定行人裁剪框位置，并通過padding方式進行行人部件對齊；

多尺度特征提取，設計網(wǎng)絡結(jié)構(gòu)對不同尺寸細節(jié)特征進行提??；

漸進式多損失聯(lián)合約束動態(tài)訓練；通過漸進式多損失聯(lián)合約束方法對提取的特征向量進行動態(tài)訓練。