[发明专利]一种人物识别模型训练方法以及人物识别方法

说明书

本申请提供了一种人物识别模型训练方法以及人物识别方法，其中，该人物识别模型训练方法包括：基于训练视频生成者对所输入信号处理方式不同，对多个训练视频进行分类；将第一类别的训练视频的训练图像帧作为源域数据，将第二类别的训练视频的训练图像帧作为目标域数据输入目标神经网络，对目标域数据进行迁移学习，得到完成训练的目标神经网络和目标分类器；第一类别为对多个训练视频进行分类所得到的多个类别中的一个；第二类别为对多个类别除第一类别以外的类别。本申请实施例能够对多个训练视频进行分类，将人物的通过摄像头时的行走曲线类似的训练视频划归到一类，训练的时候，采用分类别为人物识别模型输入训练视频的方法，降低模型训练的难度。

技术领域

本申请涉及图像处理技术领域，具体而言，涉及一种人物识别模型训练方法以及人物识别方法。

背景技术

城市治安监控系统能够为交通、治安等各类案件的侦破提供技术支持，大大提高公安机关执法办案的水平和效率。城市治安监控系统包括设置在城市不同位置的摄像头，通过摄像头能够获得对人物、车辆的监控视频。在基于城市治安监控系统获取的监控视频对案件进行侦破的时候，通常需要联合多个监控视频，从多个监控视频中识别出目标人物，进而对目标人物的行为，例如移动方向、出现的地点等进行分析，获得侦查线索。

但是由于位于不同监控位置的拍摄像头的生产厂家不一样，摄像头的硬件不同；硬件的差异导致不同厂家生产的摄像头对输入信号的处理方式不同，会导致人物的通过摄像头时的行走曲线是不一样的，人物通过不同摄像头的时空分布明显存在差异，这就造成基于这些摄像头获得的监控视频，对人物识别模型训练难度大。

发明内容

有鉴于此，本申请实施例的目的在于提供一种人物识别模型训练方法以及人物识别方法，能够对多个训练视频进行分类，将人物的通过摄像头时的行走曲线类似的训练视频划归到一类，训练的时候，采用分类别为人物识别模型输入训练视频的方法，降低模型训练的难度。

第一方面，本申请实施例提供了一种人物识别模型训练方法，包括：

基于训练视频生成者对所输入信号处理方式不同，对多个训练视频进行分类；

将第一类别的训练视频的训练图像帧作为源域数据，将第二类别的训练视频的训练图像帧作为目标域数据输入目标神经网络，对所述目标域数据进行迁移学习，得到完成训练的目标神经网络和目标分类器；

所述第一类别为对多个训练视频进行分类所得到的多个类别中的一个；所述第二类别为对多个训练视频进行分类所得到的多个类别除第一类别以外的类别。

第二方面，本申请实施例提供了一种人物识别方法，该方法包括：

获取待识别视频；

使用通过如权利要求1-9任意一项所述的人物识别模型训练方法得到的人物识别模型对所述待识别视频中的人物进行识别；

所述人物识别模型包括：目标神经网络以及目标分类器。

本申请实施例在对人物识别模型进行训练的时候，首先会基于训练视频生成这对输入信号处理方式的不同，对多个训练视频进行分类，将人物的通过摄像头时的行走曲线类似的训练视频划归到一类后，将对训练视频分类的第一类别的训练视频的训练图像帧作为源域数据，将第二类别的训练视频的训练图像帧作为目标域数据输入目标神经网络，对所述目标域数据进行迁移学习，使得模型在训练过程中，能够先对训练视频中具有共同特征的训练视频帧进行学习，然后再按照训练视频对应的类别，对训练视频进行分别学习，降低模型训练的难度。

为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明