[发明专利]行人再识别方法和装置、电子设备、存储介质、程序产品有效

专利信息
申请号: 201810848366.2 申请日: 2018-07-27
公开(公告)号: CN109165563B 公开(公告)日: 2021-03-23
发明(设计)人: 陈大鹏;李鸿升;刘希慧;邵静;王晓刚 申请(专利权)人: 北京市商汤科技开发有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62
代理公司: 北京思源智汇知识产权代理有限公司 11657 代理人: 毛丽琴
地址: 100084 北京市海淀区中*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 行人 识别 方法 装置 电子设备 存储 介质 程序 产品
【权利要求书】:

1.一种行人再识别方法,其特征在于,包括:

获取待识别图像和候选图像集;

利用特征提取网络对所述待识别图像和所述候选图像集中各候选图像进行特征提取,获得所述待识别图像对应的待识别中间特征和所述候选图像对应的候选中间特征,所述特征提取网络经图像特征和语言描述跨模态训练获得;

基于所述待识别中间特征和所述候选中间特征从所述候选图像集中获得所述待识别图像对应的识别结果,所述识别结果包括至少一个所述候选图像;

所述经图像特征和语言描述跨模态训练获得特征提取网络,包括:

将样本图像输入所述特征提取网络,得到样本图像特征,所述样本图像包括文字描述标注;

基于语言识别网络对所述文字描述标注进行特征提取,得到样本语言特征;

基于所述样本语言特征和所述样本图像特征,训练所述特征提取网络。

2.根据权利要求1所述的方法,其特征在于,所述基于所述待识别中间特征和所述候选中间特征从所述候选图像集中获得所述待识别图像对应的识别结果,包括:

所述待识别中间特征和所述候选中间特征分别经过平均池化层和全连接层获得待识别特征和候选特征;

基于所述待识别特征和所述候选特征从所述候选图像集中获得所述待识别图像对应的识别结果。

3.根据权利要求2所述的方法,其特征在于,还包括:基于语言识别网络对与所述待识别图像相关的描述文字进行特征提取,获得语言特征;

基于所述语言特征对所述识别结果进行筛选,获得所述待识别图像对应的更新识别结果,所述更新识别结果包括至少一个候选图像。

4.根据权利要求3所述的方法,其特征在于,所述基于所述语言特征对所述识别结果进行筛选,获得所述待识别图像对应的更新识别结果,包括:

基于所述语言特征与所述识别结果对应的至少一个所述候选中间特征之间的距离进行筛选;

获得距离小于或等于预设值的至少一个所述候选中间特征,将获得的所述候选中间特征对应的所述候选图像作为所述更新识别结果。

5.根据权利要求4所述的方法,其特征在于,还包括:

基于所述语言识别网络对所述待识别图像相关的至少一个描述词语进行特征提取,获得词语特征,每个所述描述词语对应所述待识别图像中的至少一个部分;

基于所述词语特征对所述识别结果或所述更新识别结果进行筛选,获得所述待识别图像对应的目标识别结果,所述目标识别结果包括至少一个所述候选图像。

6.根据权利要求5所述的方法,其特征在于,所述基于所述词语特征对所述识别结果或所述更新识别结果进行筛选,获得所述待识别图像对应的目标识别结果,包括:

基于所述词语特征与所述识别结果或所述更新识别结果对应的至少一个所述候选中间特征之间的距离进行筛选;

获得距离小于或等于预设值的至少一个所述候选特征,将获得的候选中间特征对应的候选图像作为所述目标识别结果。

7.根据权利要求1所述的方法,其特征在于,所述基于所述样本语言特征和所述样本图像特征,训练所述特征提取网络,包括:

基于所述样本语言特征和所述样本图像特征,获得全局相关概率;

基于所述全局相关概率和所述样本图像与所述文字描述标注的相关性,利用二元互熵损失获得全局损失;

基于所述全局损失训练所述特征提取网络。

8.根据权利要求7所述的方法,其特征在于,所述基于所述样本语言特征和所述样本图像特征,获得全局相关概率,包括:

将所述样本图像特征池化后与所述样本语言特征相减,得到差值特征;

对所述差值特征进行逐元素计算平方值获得联合特征;

对所述联合特征执行归一化处理,得到用于表示全局相关性的全局相关概率。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京市商汤科技开发有限公司,未经北京市商汤科技开发有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810848366.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top