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

在審

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

本發(fā)明提供一種基于半監(jiān)督學(xué)習(xí)的行人重識別方法、裝置及存儲介質(zhì)，方法包括以下步驟：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；對所述訓(xùn)練分類數(shù)據(jù)集進行聚類處理，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)的行人重識別網(wǎng)絡(luò)模型進行迭代訓(xùn)練，得到最終的行人重識別網(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別網(wǎng)絡(luò)模型進行識別，得到行人重識別結(jié)果。本發(fā)明提供的基于半監(jiān)督學(xué)習(xí)的行人重識別方法相比于監(jiān)督學(xué)習(xí)的方式，大大降低人工標(biāo)注行人重識別數(shù)據(jù)工作量，并且提高了行人重識別算法的精度。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能識別技術(shù)領(lǐng)域，特別涉及一種基于半監(jiān)督學(xué)習(xí)的行人重識別方法、裝置及存儲介質(zhì)。

背景技術(shù)

在現(xiàn)今人工智能深度學(xué)習(xí)技術(shù)快速發(fā)展的時代，計算機視覺技術(shù)在視頻監(jiān)控、安防及刑偵等領(lǐng)域中發(fā)揮了巨大應(yīng)用價值。

大量視頻監(jiān)控帶來的視頻大數(shù)據(jù)，人們已經(jīng)無法使用人工眼力完成視頻行人的搜索，此時使用人工智能計算機視覺技術(shù)來完成此大數(shù)據(jù)任務(wù)就變得更緊要。行人重識別技術(shù)(Person Re-identification)是一種利用計算機視覺技術(shù)，旨在大規(guī)模的分布式監(jiān)控系統(tǒng)中搜索判斷是否存在特定行人的技術(shù)，也稱作行人再識別，簡稱為Re-ID。在監(jiān)控視頻中，由于攝像機分辨率和視場角度的不同等原因，通常無法得到滿足人臉識別要求的人臉圖片，在人臉識別失效的情況下，行人重識別就成為了一個非常重要的行人識別技術(shù)來完成行人的識別。

目前的行人重識別學(xué)習(xí)模型訓(xùn)練是基于有監(jiān)督學(xué)習(xí)開展的，基于監(jiān)督學(xué)習(xí)的行人重識別算法訓(xùn)練需要提供大量的標(biāo)注數(shù)據(jù)，而有標(biāo)簽的數(shù)據(jù)相對難以獲得，當(dāng)需要標(biāo)注的數(shù)據(jù)量很大的時候，使用人工標(biāo)注來自不同攝像頭不同姿態(tài)的行人數(shù)據(jù)時，會花費巨大的人力物力成本，人工幾乎無法完成達到需求的數(shù)據(jù)集標(biāo)注，受此局限導(dǎo)致行人重識別的正確性和精確性還有待提高。

所以，現(xiàn)有技術(shù)中基于有監(jiān)督學(xué)習(xí)開展的行人重識別技術(shù)需要使用大量的標(biāo)簽數(shù)據(jù)來進行實現(xiàn)，導(dǎo)致存在成本高且重識別準(zhǔn)確率低的問題。

發(fā)明內(nèi)容

為了克服目前現(xiàn)有技術(shù)中基于有監(jiān)督學(xué)習(xí)開展的行人重識別技術(shù)需要使用大量的標(biāo)簽數(shù)據(jù)來進行實現(xiàn)，導(dǎo)致存在成本高且重識別準(zhǔn)確率低的問題，本發(fā)明提供基于半監(jiān)督學(xué)習(xí)的行人重識別方法、裝置及存儲介質(zhì)。

本發(fā)明為解決上述技術(shù)問題，提供一技術(shù)方案如下：

一種基于半監(jiān)督學(xué)習(xí)的行人重識別方法，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；

對所述訓(xùn)練分類數(shù)據(jù)集進行聚類處理，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)的行人重識別網(wǎng)絡(luò)模型進行迭代訓(xùn)練，得到最終的行人重識別網(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別網(wǎng)絡(luò)模型進行識別，得到行人重識別結(jié)果。

優(yōu)選地，所述對所述訓(xùn)練分類數(shù)據(jù)集進行聚類處理，得到偽標(biāo)簽數(shù)據(jù)集的步驟，具體包括：

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

計算所述訓(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。

優(yōu)選地，所述計算所述訓(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)集的特征無向圖網(wǎng)絡(luò)；