[發(fā)明專(zhuān)利]行人重識(shí)別方法、裝置、電子設(shè)備及可讀存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202110864392.6
• 申請(qǐng)日: 2021-07-29
• 公開(kāi)（公告）號(hào): CN113780066B
• 公開(kāi)（公告）日: 2023-07-25
• 發(fā)明（設(shè)計(jì)）人: 王立;范寶余;郭振華;趙雅倩;李仁剛
• 申請(qǐng)（專(zhuān)利權(quán)）人: 蘇州浪潮智能科技有限公司
• 主分類(lèi)號(hào): G06V40/20
• 分類(lèi)號(hào): G06V40/20;G06V40/10;G06V10/764;G06V10/82;G06N3/048;G06N3/0464;G06N3/042;G06N3/09;G06N3/096
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227
• 代理人: 溫可睿

本申請(qǐng)公開(kāi)了一種行人重識(shí)別方法、裝置、電子設(shè)備及可讀存儲(chǔ)介質(zhì)。其中，方法包括預(yù)先構(gòu)建專(zhuān)家網(wǎng)絡(luò)和行人重識(shí)別初始模型，利用專(zhuān)家網(wǎng)絡(luò)對(duì)行人重識(shí)別初始模型的分類(lèi)標(biāo)簽和嵌入層進(jìn)行知識(shí)監(jiān)督，從而將專(zhuān)家網(wǎng)絡(luò)獲得的知識(shí)遷移至行人重識(shí)別初始模型，得到訓(xùn)練好的行人重識(shí)別初始模型；刪除該行人重識(shí)別初始模型的分類(lèi)層，得到行人重識(shí)別模型。將待識(shí)別圖像輸入至行人重識(shí)別模型，得到待識(shí)別圖像的嵌入特征，通過(guò)對(duì)嵌入特征與數(shù)據(jù)庫(kù)中各檢索圖像的嵌入特征進(jìn)行比對(duì)，得到待識(shí)別圖像的識(shí)別結(jié)果。本申請(qǐng)可在不增加網(wǎng)絡(luò)模型的參數(shù)量和計(jì)算量的前提下，實(shí)現(xiàn)精準(zhǔn)、高效地行人重識(shí)別。

技術(shù)領(lǐng)域

本申請(qǐng)涉及計(jì)算機(jī)視覺(jué)技術(shù)領(lǐng)域，特別是涉及一種行人重識(shí)別方法、裝置、電子設(shè)備及可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

行人重識(shí)別(Person?re-identification，Re-ID)也稱(chēng)行人再識(shí)別，是利用計(jì)算機(jī)視覺(jué)技術(shù)判斷圖像或者視頻序列中是否存在特定行人的技術(shù)，通過(guò)對(duì)分布在不同位置的攝像頭進(jìn)行搜索來(lái)確定不同攝像頭視野中的行人是否是同一個(gè)行人。

相關(guān)技術(shù)通過(guò)基于深度學(xué)習(xí)訓(xùn)練得到行人重識(shí)別模型，利用訓(xùn)練好的行人重識(shí)別模型對(duì)視頻或圖像進(jìn)行圖像識(shí)別，為了提高行人重識(shí)別模型的精度，通常通過(guò)改進(jìn)網(wǎng)絡(luò)結(jié)構(gòu)的方式來(lái)提高網(wǎng)絡(luò)性能。但是，隨著深度學(xué)習(xí)的發(fā)展，網(wǎng)絡(luò)結(jié)構(gòu)的變化也越來(lái)越復(fù)雜。對(duì)于不同的訓(xùn)練數(shù)據(jù)集，選取和訓(xùn)練出最優(yōu)的網(wǎng)絡(luò)模型，來(lái)適應(yīng)當(dāng)前的行人重識(shí)別任務(wù)也變得越來(lái)越復(fù)雜，甚至無(wú)法獲得最優(yōu)。具體來(lái)說(shuō)，相關(guān)技術(shù)可通過(guò)構(gòu)建更為復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)的形式繼續(xù)提高網(wǎng)絡(luò)模型性能。而更深、更寬或更為復(fù)雜的網(wǎng)絡(luò)通常會(huì)帶來(lái)參數(shù)量的激增，參數(shù)量的增加不利于便攜式設(shè)備的存儲(chǔ)與部署。例如，在網(wǎng)絡(luò)攝像頭中實(shí)現(xiàn)實(shí)時(shí)的行人檢測(cè)識(shí)別程序的部署，需要網(wǎng)絡(luò)具有較小的參數(shù)量和較高的識(shí)別準(zhǔn)確率。此外，更深、更寬或更為復(fù)雜的網(wǎng)絡(luò)通常會(huì)帶來(lái)計(jì)算量的增加，不利于對(duì)實(shí)時(shí)性要求較高的場(chǎng)景應(yīng)用。大的計(jì)算延遲會(huì)使整個(gè)系統(tǒng)錯(cuò)失最好的時(shí)機(jī)，給系統(tǒng)功能帶來(lái)負(fù)面影響。

鑒于此，如何在不增加網(wǎng)絡(luò)模型的參數(shù)量和計(jì)算量的前提下，提高行人重識(shí)別精度，是所屬領(lǐng)域技術(shù)人員需要解決的技術(shù)問(wèn)題。

發(fā)明內(nèi)容

本申請(qǐng)?zhí)峁┝艘环N行人重識(shí)別方法、裝置、電子設(shè)備及可讀存儲(chǔ)介質(zhì)，可在不增加網(wǎng)絡(luò)模型的參數(shù)量和計(jì)算量的前提下，實(shí)現(xiàn)精準(zhǔn)、高效地行人重識(shí)別。

為解決上述技術(shù)問(wèn)題，本發(fā)明實(shí)施例提供以下技術(shù)方案：

本發(fā)明實(shí)施例一方面提供了一種行人重識(shí)別方法，包括：

預(yù)先構(gòu)建專(zhuān)家網(wǎng)絡(luò)和行人重識(shí)別初始模型，利用所述專(zhuān)家網(wǎng)絡(luò)對(duì)行人重識(shí)別初始模型的分類(lèi)標(biāo)簽和嵌入層進(jìn)行知識(shí)監(jiān)督，以將所述專(zhuān)家網(wǎng)絡(luò)獲得的知識(shí)遷移至所述行人重識(shí)別初始模型，得到訓(xùn)練好的行人重識(shí)別初始模型；刪除訓(xùn)練好的行人重識(shí)別初始模型的分類(lèi)層，得到行人重識(shí)別模型；

將待識(shí)別圖像輸入至所述行人重識(shí)別模型，得到所述待識(shí)別圖像的嵌入特征；

通過(guò)將所述待識(shí)別圖像的嵌入特征與數(shù)據(jù)庫(kù)中各檢索圖像的嵌入特征進(jìn)行比對(duì)，得到所述待識(shí)別圖像的識(shí)別結(jié)果。

可選的，所述構(gòu)建專(zhuān)家網(wǎng)絡(luò)和行人重識(shí)別初始模型之后，還包括：

獲取所述專(zhuān)家網(wǎng)絡(luò)的輸出特征圖；

按照預(yù)設(shè)比例參數(shù)對(duì)所述輸出特征圖進(jìn)行分塊處理，得到多塊子輸出特征圖；

對(duì)每塊子輸出特征圖進(jìn)行下采樣操作，得到所述專(zhuān)家網(wǎng)絡(luò)的輸入圖像的局部特征；

對(duì)所述輸出特征圖進(jìn)行最大池化處理，得到所述輸入圖像的全局特征；

將所述局部特征和所述全局特征作為所述專(zhuān)家網(wǎng)絡(luò)的嵌入特征。

可選的，所述預(yù)先構(gòu)建專(zhuān)家網(wǎng)絡(luò)和行人重識(shí)別初始模型，包括：

采用輕量級(jí)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)搭建行人重識(shí)別初始模型。