[发明专利]行人特征的提取方法、装置、设备及介质

说明书

本申请公开了一种行人特征的提取方法、装置、设备及介质，涉及行人再识别技术领域。具体实现方案为：获取待处理的行人图像；采用至少两个图像特征尺度，以及至少两个处理粒度对所述行人图像进行处理，得到与所述行人图像对应的至少两个行人图像特征子向量；将所述至少两个行人图像特征子向量进行拼接，得到与所述行人图像对应的行人特征。本申请实现了在提高行人特征提取的准确度和可靠性的同时，降低计算复杂度。

技术领域

本申请实施例涉及图像识别技术，尤其涉及行人再识别技术领域，具体涉及一种行人特征的提取方法、装置、设备及介质。

背景技术

行人再识别(Person re-identification)，也称行人重识别，是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术，其广泛被认为是一个图像检索的子问题。在行人再识别中，一般给定一个监控行人的图像，进而检索跨设备下的该行人图像，其旨在弥补目前固定的摄像头的视觉局限，并可与行人检测或行人跟踪技术相结合，可广泛应用于智能视频监控、智能安保等领域。由于不同摄像设备之间的差异，同时行人间距刚性和柔性的特征，外观易受穿着、尺度、遮挡、姿态和视角等影响，使得其行人再识别成为计算机视觉领域中一个既具有研究价值，同时又极具挑战性的热门课题。

目前，现有的行人再识别技术中对行人特征的提取对有多种实现方案，例如：基于人体全局特征的行人再识别方法、基于空间注意力模型的行人再识别方法、以及基于人体部件特征的行人再识别方法等。

现有的行人特征提取方案中，或是特征提取的准确率不高，难以满足实际应用对于精度的要求，或是计算复杂度太高，需要更多更强的算力才能支撑。

发明内容

本申请实施例提供一种行人特征的提取方法、装置、设备及介质，以提高行人特征提取的准确度和可靠性的同时，降低计算复杂度。

第一方面，本申请实施例提供了一种行人特征的提取方法，该方法包括：

获取待处理的行人图像；

采用至少两个图像特征尺度，以及至少两个处理粒度对所述行人图像进行处理，得到与所述行人图像对应的至少两个行人图像特征子向量；

将所述至少两个行人图像特征子向量进行拼接，得到与所述行人图像对应的行人特征。

可选的，采用至少两个图像特征尺度，和/或至少两个处理粒度，获取与所述行人图像对应的至少两个行人图像特征子向量，包括：

将所述行人图像输入至预先训练的行人再识别模型中，得到与所述行人图像对应的至少两个行人图像特征子向量；

其中，所述行人再识别模型包括至少两个计算分支，不同计算分支对应不同的图像特征尺度，和/或处理粒度。

可选的，所述行人再识别模型具体包括：与第一图像特征尺度和第一处理粒度对应的第一计算分支，与第二图像特征尺度和第一处理粒度对应的第二计算分支，以及与第二图像特征尺度和第二处理粒度对应的第三计算分支；

其中，所述第一图像特征尺度大于所述第二图像特征尺度，所述第一处理粒度大于所述第二处理粒度。

这样设置的好处是：通过在行人识别模型中设置对应于不同的图像特征尺度和/或处理粒度的至少两个计算分支，使得行人识别模型能够对输入的行人图像按照不同的图像尺度和/或处理粒度进行处理，得到不同尺度和/或粒度下的行人图像特征子向量，从而提高行人特征提取的准确度和可靠性。

可选的，将所述行人图像输入至预先训练的行人再识别模型中，得到与所述行人图像对应的至少两个行人图像特征子向量，包括：

将所述行人图像输入至基础神经网络的低层部分，并将输出结果分别输入至所述行人再识别模型的第一计算分支进行处理，以及输入至所述基础神经网络的高层部分；