[发明专利]基于残差网络的行人再识别方法、装置和计算机设备

权利要求书

1.一种基于残差网络的行人再识别方法，其特征在于，包括：

获取行人再识别的指令，其中所述行人再识别的指令携带有待识别的指定行人的图像；

将所述指定行人的图像输入预设的训练好的基于残差网络的行人再识别模型中计算，从而获取所述残差网络中的第四个残差块输出的特征图像，其中，所述行人再识别模型基于行人图像，以及与行人图像关联的识别结果的样本数据训练而成；

将所述特征图像输入所述残差网络中的第五个残差块中计算，从而获得所述第五个残差块输出的主数据；以及并行地将所述特征图像输入所述行人再识别模型中预设的全局识别子网络中计算，从而获得所述全局识别子网络输出的全局子数据；以及并行地将所述特征图像输入所述行人再识别模型中的预设的局部识别子网络中计算，从而获得所述局部识别子网络输出的局部子数据；

将所述主数据、所述全局子数据和所述局部子数据输入所述行人再识别模型中预设的全连接层中进行计算，从而获得所述全连接层输出的行人再识别结果。

2.根据权利要求1所述的基于残差网络的行人再识别方法，其特征在于，所述指定行人的图像包括面部区域，所述将所述指定行人的图像输入预设的训练好的基于残差网络的行人再识别模型中计算，从而获取所述残差网络中的第四个残差块输出的特征图像，其中，所述行人再识别模型基于行人图像，以及与行人图像关联的识别结果的样本数据训练而成的步骤之前,包括：

将所述指定行人的图像划分为多个区域，将每个区域的图像数据与预设的眼睛图像数据进行对比，得到每个区域图像数据与眼睛图像数据的差值，将差值不超过预设数值的区域记为眼睛区域；

将每个区域的图像数据与预设的嘴巴图像数据进行比较，得到每个区域图像数据与嘴巴图像数据的差值，将差值不超过预设数值的区域记为嘴巴区域；

调用标准面部图像，并通过等比例缩小或者放大操作，使所述标准面部图像中的眼睛区域与所述指定行人的图像中的眼睛区域重合，同时使所述标准面部图像中的嘴巴区域与所述指定行人的图像中的嘴巴区域重合，再将所述指定行人的图像中与经过所述等比例缩小或者放大操作后的标准面部图像重叠的区域记为面部区域，并将所述面部区域范围内的图像作为面部图像；

采用预设的图像相似度计算方法，计算所述面部图像与预存的目标面部图像的相似度值，并判断所述相似度值是否大于预设的相似度阈值；

若所述相似度值不大于预设的相似度阈值，则生成行人再识别模型计算指令，其中所述行人再识别模型计算指令用于指示将所述指定行人的图像输入预设的训练好的基于残差网络的行人再识别模型中计算。

3.根据权利要求1所述的基于残差网络的行人再识别方法，其特征在于，所述将所述指定行人的图像输入预设的训练好的基于残差网络的行人再识别模型中计算，从而获取所述残差网络中的第四个残差块输出的特征图像，其中，所述行人再识别模型基于行人图像，以及与行人图像关联的识别结果的样本数据训练而成的步骤之前,包括：

获取指定量的样本数据，并将样本数据分成训练集和测试集；其中，所述样本数据包括行人图像，以及与行人图像关联的识别结果；

将训练集的样本数据输入到基于残差网络的初始行人再识别模型中进行训练；其中，训练的过程中采用随机梯度下降法，得到结果训练模型；

利用所述测试集的样本数据验证所述结果训练模型；

如果验证通过，则将所述结果训练模型记为所述基于残差网络的行人再识别模型。

4.根据权利要求1所述的基于残差网络的行人再识别方法，其特征在于，所述将所述指定行人的图像输入预设的训练好的基于残差网络的行人再识别模型中计算，从而获取所述残差网络中的第四个残差块输出的特征图像，其中，所述行人再识别模型基于行人图像，以及与行人图像关联的识别结果的样本数据训练而成的步骤之前,包括：

获取已经训练完成的残差网络模型的各层权重参数；

将所述各层权重参数初始化为初始行人再识别模型中的残差网络中的各层初始权重参数；

利用测试集的样本数据验证所述初始行人再识别模型，其中，所述样本数据包括行人图像，以及与行人图像关联的识别结果；

若验证通过，则将所述初始行人再识别模型记为所述基于残差网络的行人再识别模型。