[发明专利]一种大数据和贝叶斯相结合的行人重识别方法及装置

权利要求书

1.一种大数据和贝叶斯相结合的行人重识别方法，其特征在于，包括：

利用行人图像数据库对行人重识别系统模型进行分布式训练，得到训练之后的所述行人重识别系统模型，其中，所述行人图像数据库包括多个匹配图像组，所述匹配图像组包括至少两个匹配图像；

将查询对象输入所述行人重识别系统模型，得到多个候选对象的排名列表；

对所述查询对象和排名列表中的多个候选对象进行基于贝叶斯查询扩展的重识别再排序；

将再排序后的查询对象和候选对象进行PTGAN处理，实现行人前景不变的前提下实现背景差异区域的迁移；

将进行PTGAN处理后的查询对象和候选对象输入训练好的贝叶斯模型，通过训练数据中的图像距离，计算每个候选对象真实匹配概率，并对所述候选对象进行重新排序；

对进行PTGAN处理后的查询对象和进行重新排序后的候选对象进行多维度特征提取并确定推理线索模型；

使用推理算法对所述推理线索模型进行调整并确定最后的推理线索模型；

根据所述推理线索模型调整所述行人重识别系统模型的目标参数的参数值；

通过将待识别图像输入训练好的行人重识别系统模型，搜索出相似度最高的行人图像。

2.根据权利要求1所述的大数据和贝叶斯相结合的行人重识别方法，其特征在于，利用行人图像数据库对行人重识别系统模型进行分布式训练，得到训练之后的所述行人重识别系统模型，包括：

通过使用多个处理器增大批量大小对所述行人重识别系统模型进行迭代训练；

根据线性缩放和预热策略算法对所述行人重识别系统模型进行迭代训练；

应用适应率缩放(LARS)对所述行人重识别系统模型中的每一层网络使用不同的学习率。

3.根据权利要求1所述的大数据和贝叶斯相结合的行人重识别方法，其特征在于，对所述查询对象和排名列表中的多个候选对象进行基于贝叶斯查询扩展的重识别再排序，包括：

利用行人图像数据库训练贝叶斯模型，得到训练后的贝叶斯模型；

根据所述查询对象和多个候选对象图像之间的距离，通过所述训练后的贝叶斯模型预测每个候选对象的真实匹配概率；

根据所述每个候选对象的真实匹配概率进行查询扩展，通过所述查询扩展生成新的排名列表。

4.根据权利要求3所述的大数据和贝叶斯相结合的行人重识别方法，其特征在于，所述对进行PTGAN处理后的查询对象和进行重新排序后的候选对象进行多维度特征提取并确定推理线索模型，包括：

提取行人的外观特征；

提取行人的面部特征；

根据行人在不同视频头的时间和定位特征构建定位分支Markov链，根据定位分支Markov链训练推理线索模型。

5.一种大数据和贝叶斯相结合的行人重识别装置，其特征在于，包括：

分布式训练模块，用于利用行人图像数据库对行人重识别系统模型进行分布式训练，得到训练之后的所述行人重识别系统模型，其中，所述行人图像数据库包括多个匹配图像组，所述匹配图像组包括至少两个匹配图像；

排名列表获取模块，用于将查询对象输入所述行人重识别系统模型，得到多个候选对象的排名列表；

重识别模块，用于对所述查询对象和排名列表中的多个候选对象进行基于贝叶斯查询扩展的重识别再排序；

PTGAN处理模块，用于将再排序后的查询对象和候选对象进行PTGAN处理，实现行人前景不变的前提下实现背景差异区域的迁移；

训练模块，用于将进行PTGAN处理后的查询对象和候选对象输入训练好的贝叶斯模型，通过训练数据中的图像距离，计算每个候选对象真实匹配概率，并对所述候选对象进行重新排序；

推理线索模块，用于对进行PTGAN处理后的查询对象和进行重新排序后的候选对象进行多维度特征提取并确定推理线索模型；

推理线索调整模块，用于使用推理算法对所述推理线索模型进行调整并确定最后的推理线索模型；

模型调整模块，用于根据所述推理线索模型调整所述行人重识别系统模型的目标参数的参数值；

识别模块，用于通过将待识别图像输入训练好的行人重识别系统模型，搜索出相似度最高的行人图像。