[發(fā)明專利]一種基于半監(jiān)督學(xué)習(xí)的行人重識(shí)別方法、裝置及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202211031306.4
• 申請(qǐng)日: 2022-08-26
• 公開(kāi)（公告）號(hào): CN115457652A
• 公開(kāi)（公告）日: 2022-12-09
• 發(fā)明（設(shè)計(jì)）人: 謝喜林
• 申請(qǐng)（專利權(quán)）人: 智慧眼科技股份有限公司;中華人民共和國(guó)拱北海關(guān)
• 主分類號(hào): G06V40/20
• 分類號(hào): G06V40/20;G06V20/52;G06V10/764;G06V10/774;G06V10/762;G06V10/74;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 深圳眾鼎匯成知識(shí)產(chǎn)權(quán)代理有限公司 44566
• 代理人: 朱業(yè)剛

1.一種基于半監(jiān)督學(xué)習(xí)的行人重識(shí)別方法，其特征在于，包括如下步驟:

獲取行人圖像數(shù)據(jù)集，從所述行人圖像數(shù)據(jù)集中選擇若干圖像作為訓(xùn)練分類數(shù)據(jù)集；

對(duì)所述訓(xùn)練分類數(shù)據(jù)集進(jìn)行聚類處理，得到偽標(biāo)簽數(shù)據(jù)集；

將所述偽標(biāo)簽數(shù)據(jù)集作為訓(xùn)練數(shù)據(jù)集輸入到預(yù)設(shè)的行人重識(shí)別網(wǎng)絡(luò)模型進(jìn)行迭代訓(xùn)練，得到最終的行人重識(shí)別網(wǎng)絡(luò)模型；

將所述行人圖像數(shù)據(jù)集輸入到最終的行人重識(shí)別網(wǎng)絡(luò)模型進(jìn)行識(shí)別，得到行人重識(shí)別結(jié)果。

2.如權(quán)利要求1中所述的基于半監(jiān)督學(xué)習(xí)的行人重識(shí)別方法，其特征在于，所述對(duì)所述訓(xùn)練分類數(shù)據(jù)集進(jìn)行聚類處理，得到偽標(biāo)簽數(shù)據(jù)集的步驟，具體包括：

對(duì)所述訓(xùn)練分類數(shù)據(jù)集進(jìn)行特征提取，得到訓(xùn)練分類數(shù)據(jù)特征；

計(jì)算所述訓(xùn)練分類數(shù)據(jù)特征之間的相似度，將所述訓(xùn)練分類數(shù)據(jù)特征之間的相似度與預(yù)設(shè)的第一判斷閾值進(jìn)行比較，篩選并保留符合所述第一判斷閾值要求的所述訓(xùn)練分類數(shù)據(jù)特征，得到偽標(biāo)簽數(shù)據(jù)集。

3.如權(quán)利要求2中所述基于半監(jiān)督學(xué)習(xí)的行人重識(shí)別方法，其特征在于，所述計(jì)算所述訓(xùn)練分類數(shù)據(jù)特征之間的相似度，將所述訓(xùn)練分類數(shù)據(jù)特征之間的相似度與預(yù)設(shè)的第一判斷閾值進(jìn)行比較，篩選并保留符合所述第一判斷閾值要求的所述訓(xùn)練分類數(shù)據(jù)特征，得到偽標(biāo)簽數(shù)據(jù)集的步驟，具體包括：

計(jì)算所述訓(xùn)練分類數(shù)據(jù)特征之間的相似度，根據(jù)所述訓(xùn)練分類數(shù)據(jù)特征之間的相似度構(gòu)建所述訓(xùn)練分類數(shù)據(jù)集的特征無(wú)向圖網(wǎng)絡(luò)；

基于特征無(wú)向圖網(wǎng)絡(luò)將關(guān)聯(lián)節(jié)點(diǎn)對(duì)應(yīng)的所述訓(xùn)練分類數(shù)據(jù)特征之間的相似度與預(yù)設(shè)的第一判斷閾值進(jìn)行比較；

將相似度大于或等于所述第一判斷閾值的所述訓(xùn)練分類數(shù)據(jù)特征保留，并剔除相似度小于所述第一判斷閾值的所述訓(xùn)練分類數(shù)據(jù)特征，得到偽標(biāo)簽數(shù)據(jù)集。

4.如權(quán)利要求1中所述的基于半監(jiān)督學(xué)習(xí)的行人重識(shí)別方法，其特征在于，所述將所述偽標(biāo)簽數(shù)據(jù)集作為訓(xùn)練數(shù)據(jù)集輸入到預(yù)設(shè)的行人重識(shí)別網(wǎng)絡(luò)模型進(jìn)行迭代訓(xùn)練，得到最終的行人重識(shí)別網(wǎng)絡(luò)模型的步驟，具體包括：

將所述偽標(biāo)簽數(shù)據(jù)集作為訓(xùn)練數(shù)據(jù)集輸入到預(yù)設(shè)的行人重識(shí)別網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練；

步驟A：將所述偽標(biāo)簽數(shù)據(jù)集輸入經(jīng)過(guò)所述偽標(biāo)簽數(shù)據(jù)集訓(xùn)練后的行人重識(shí)別網(wǎng)絡(luò)模型進(jìn)行數(shù)據(jù)特征提取，得到偽標(biāo)簽數(shù)據(jù)特征；

步驟B：將所述偽標(biāo)簽數(shù)據(jù)特征和所述偽標(biāo)簽數(shù)據(jù)集進(jìn)行聚類處理，得到新的偽標(biāo)簽數(shù)據(jù)集；

步驟C：將新的偽標(biāo)簽數(shù)據(jù)集作為訓(xùn)練數(shù)據(jù)集輸入到行人重識(shí)別網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練；

重復(fù)執(zhí)行上述步驟A至步驟C，直到達(dá)到預(yù)設(shè)收斂條件為止，得到最終的行人重識(shí)別網(wǎng)絡(luò)模型。

5.如權(quán)利要求4中所述的基于半監(jiān)督學(xué)習(xí)的行人重識(shí)別方法，其特征在于，所述步驟B：將所述偽標(biāo)簽數(shù)據(jù)特征和所述偽標(biāo)簽數(shù)據(jù)集進(jìn)行聚類處理，得到新的偽標(biāo)簽數(shù)據(jù)集，具體包括：

計(jì)算包括所述偽標(biāo)簽數(shù)據(jù)特征和所述偽標(biāo)簽數(shù)據(jù)集的各個(gè)數(shù)據(jù)特征之間的相似度，根據(jù)各個(gè)數(shù)據(jù)特征之間的相似度構(gòu)建特征無(wú)向圖網(wǎng)絡(luò)，得到聚類結(jié)果；

檢測(cè)所述聚類結(jié)果的每一類聚類數(shù)據(jù)中是否存在數(shù)據(jù)聚類中心，若該聚類數(shù)據(jù)中存在數(shù)據(jù)聚類中心，則將該聚類數(shù)據(jù)歸類到強(qiáng)關(guān)聯(lián)數(shù)據(jù)中；

基于所有所述強(qiáng)關(guān)聯(lián)數(shù)據(jù)，確定新的偽標(biāo)簽數(shù)據(jù)集。

6.如權(quán)利要求5中所述的基于半監(jiān)督學(xué)習(xí)的行人重識(shí)別方法，其特征在于，所述基于所有所述強(qiáng)關(guān)聯(lián)數(shù)據(jù)，確定新的偽標(biāo)簽數(shù)據(jù)集的步驟，具體包括：

提取所述強(qiáng)關(guān)聯(lián)數(shù)據(jù)中每一類聚類數(shù)據(jù)的數(shù)據(jù)聚類中心對(duì)應(yīng)的數(shù)據(jù)特征，得到中心數(shù)據(jù)特征；

計(jì)算所有所述中心數(shù)據(jù)特征之間的相似度，根據(jù)所述中心數(shù)據(jù)特征之間的相似度構(gòu)建所述強(qiáng)關(guān)聯(lián)數(shù)據(jù)的特征無(wú)向圖網(wǎng)絡(luò)；

基于特征無(wú)向圖網(wǎng)絡(luò)將關(guān)聯(lián)節(jié)點(diǎn)對(duì)應(yīng)的所述中心數(shù)據(jù)特征之間的相似度與預(yù)設(shè)的第二判斷閾值進(jìn)行比較；

將相似度大于或等于所述第二判斷閾值的所述中心數(shù)據(jù)特征保留，得到新的偽標(biāo)簽數(shù)據(jù)集。