[發(fā)明專利]行人再識別模型的訓(xùn)練方法、行人再識別方法及裝置

有效

• 申請?zhí)枺?/td>: 202210559553.5
• 申請日: 2022-05-23
• 公開（公告）號: CN114724090B
• 公開（公告）日: 2022-08-30
• 發(fā)明（設(shè)計(jì)）人: 張欣彧;王之港;王健;孫昊;丁二銳
• 申請（專利權(quán)）人: 北京百度網(wǎng)訊科技有限公司
• 主分類號: G06V20/52
• 分類號: G06V20/52;G06V10/74;G06V10/762;G06V10/774;G06K9/62
• 代理公司: 北京同立鈞成知識產(chǎn)權(quán)代理有限公司 11205
• 代理人: 董建姣;臧建明

1.一種行人再識別模型的訓(xùn)練方法，包括：

將原始樣本集中的原始樣本圖像分別輸入初始行人再識別模型，得到所述原始樣本圖像的第一樣本特征；

對所述原始樣本圖像的第一樣本特征進(jìn)行聚類，得到多個聚類簇；

根據(jù)所述原始樣本圖像的第一樣本特征生成所述原始樣本圖像對應(yīng)的難正樣本的第二樣本特征；

基于所述第一樣本特征、所述第二樣本特征和所述聚類簇，更新所述初始行人再識別模型；

所述基于所述第一樣本特征、所述第二樣本特征和所述聚類簇，更新所述初始行人再識別模型，包括：

根據(jù)所述第一樣本特征和所述聚類簇的聚類中心之間的第一損失函數(shù)，確定第一損失；其中，所述第一損失函數(shù)用于使得所述原始樣本圖像與所述原始樣本圖像所屬的聚類簇的聚類中心的距離減小，且所述原始樣本圖像與其他聚類簇的聚類中心的距離增大；

根據(jù)所述第二樣本特征和所述聚類簇的聚類中心之間的第二損失函數(shù)，確定第二損失；其中，所述第二損失函數(shù)用于使得所述難正樣本與所述原始樣本圖像所屬的聚類簇的聚類中心的距離減小，且所述難正樣本與其他聚類簇的聚類中心的距離增大；

根據(jù)所述第一樣本特征、所述第二樣本特征和所述原始樣本圖像所屬的聚類簇的聚類中心之間的第三損失函數(shù)，確定第三損失；其中，所述第三損失函數(shù)用于使得所述原始樣本圖像距離所述原始樣本圖像所屬的聚類簇的聚類中心的距離，小于所述難正樣本距離所述原始樣本圖像所屬的聚類簇的聚類中心的距離；

基于所述第一損失、所述第二損失和所述第三損失，更新所述初始行人再識別模型。

2.根據(jù)權(quán)利要求1所述的方法，其中，所述根據(jù)所述原始樣本圖像的第一樣本特征生成所述原始樣本圖像對應(yīng)的難正樣本的第二樣本特征，包括：

根據(jù)所述第一樣本特征，確定所述初始行人再識別模型的多個可學(xué)習(xí)參數(shù)各自對應(yīng)的權(quán)重，其中，所述可學(xué)習(xí)參數(shù)表征所有原始樣本圖像的共同特征，所述可學(xué)習(xí)參數(shù)的維度與所述第一樣本特征的維度相同；

根據(jù)所述可學(xué)習(xí)參數(shù)和所述可學(xué)習(xí)參數(shù)對應(yīng)的權(quán)重，確定所述原始樣本圖像對應(yīng)的難正樣本的第二樣本特征。

3.根據(jù)權(quán)利要求2所述的方法，其中，所述確定所述初始行人再識別模型的多個可學(xué)習(xí)參數(shù)各自對應(yīng)的權(quán)重，包括：

將所述第一樣本特征分別輸入多個全鏈接層，得到與所述多個可學(xué)習(xí)參數(shù)各自對應(yīng)的權(quán)重。

4.根據(jù)權(quán)利要求2所述的方法，其中，所述根據(jù)所述可學(xué)習(xí)參數(shù)和所述可學(xué)習(xí)參數(shù)對應(yīng)的權(quán)重，確定所述原始樣本對應(yīng)的難正樣本的第二樣本特征，包括：

按照所述可學(xué)習(xí)參數(shù)對應(yīng)的權(quán)重，對所述可學(xué)習(xí)參數(shù)進(jìn)行加權(quán)求和，得到所述第二樣本特征。

5.一種行人再識別方法，包括：

獲取待識別圖像和目標(biāo)行人圖像；

將所述待識別圖像和所述目標(biāo)行人圖像分別輸入行人再識別模型，得到所述待識別圖像的特征向量和所述目標(biāo)行人圖像的特征向量，其中，所述行人再識別模型是采用權(quán)利要求1-4中任一項(xiàng)所述的方法訓(xùn)練得到的；

基于所述待識別圖像的特征向量與所述目標(biāo)行人圖像的特征向量的相似度確定所述待識別圖像的識別結(jié)果。