[发明专利]一种面向行人再识别的函数模型的优化方法及装置

说明书

本发明实施例提供一种面向行人再识别的函数模型的优化方法及装置，所述方法包括：获取行人图像对的特征向量；根据所述特征向量，建立与所述行人图像对一阶相关、二阶相关和差分相关的函数模型；获取与所述函数模型对应的损失函数，并根据所述损失函数对所述函数模型进行训练，以优化所述函数模型。所述装置执行上述方法。本发明实施例提供的面向行人再识别的函数模型的优化方法及装置，通过建立与行人图像对一阶相关、二阶相关和差分相关的函数模型，并通过损失函数对函数模型训练，优化了函数模型，能够全面地对行人图像对进行识别，从而提高行人再识别的准确率。

技术领域

本发明实施例涉及人工智能技术领域，具体涉及一种面向行人再识别的函数模型的优化方法及装置。

背景技术

在公共安全视频监控领域，行人再识别有着重大的现实意义。行人再识别是指在已有的多个空间位置上不交叠的监控视频中，根据目标行人图像，检索目标行人是否出现在这些视频中.在公共场合寻找丢失儿童、刑侦侦查工作、相册管理等领域运用广泛。在不交叠的监控视频中，由于光照强度、监控视角、人行走姿态等的不同，同一个人也表现出很大的差异性，如何在变化较大的情况下，正常识别出来是同一个人，是一个非常有挑战的问题。近年来，也有大量的研究工作在解决这个问题。现有的行人再识别方法，主要分为无监督的算法和有监督的算法。

无监督的算法主要侧重聚类的方式，对图像进行人工特征提取，根据对图像的理解，提取具有稳定性和区分性的特征，通过相似度函数，计算一对行人图像的相似度程度。有监督的算法主要是先通过人工标记相同行人图像对和不相同行人图像对，利用机器学习的算法，挖掘出具有稳定性和区分性的特征。但是不管是有监督和还是无监督的算法，都涉及特征的提取和相似度度量的选择，特别是相似度度量的选择，对识别的准确性有决定性的影响。现有的马氏距离度量相似度函数，提出了学习一个相似度函数，来识别一对行人图像。但是马氏距离相似度函数只能从差分空间，考虑相似性，对行人图像对的识别有一定的局限性。

因此，如何优化行人再识别的函数模型，全面地对行人图像对进行识别，从而提高行人再识别的准确率，成为亟须解决的问题。

发明内容

针对现有技术存在的问题，本发明实施例提供一种面向行人再识别的函数模型的优化方法及装置。

第一方面，本发明实施例提供一种面向行人再识别的函数模型的优化方法，所述方法包括：

获取行人图像对的特征向量；

根据所述特征向量，建立与所述行人图像对一阶相关、二阶相关和差分相关的函数模型；

获取与所述函数模型对应的损失函数，并根据所述损失函数对所述函数模型进行训练，以优化所述函数模型。

第二方面，本发明实施例提供一种面向行人再识别的函数模型的优化装置，所述装置包括：

获取单元，用于获取行人图像对的特征向量；

建立单元，用于根据所述特征向量，建立与所述行人图像对一阶相关、二阶相关和差分相关的函数模型；

优化单元，用于获取与所述函数模型对应的损失函数，并根据所述损失函数对所述函数模型进行训练，以优化所述函数模型。

第三方面，本发明实施例提供一种电子设备，包括：处理器、存储器和总线，其中，

所述处理器和所述存储器通过所述总线完成相互间的通信；

所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如下方法：

获取行人图像对的特征向量；

根据所述特征向量，建立与所述行人图像对一阶相关、二阶相关和差分相关的函数模型；