[发明专利]一种基于大数据训练的行人重识别方法及装置

权利要求书

1.一种基于大数据训练的行人重识别方法，其特征在于，包括：

获取第一行人图像数据库，其中，所述第一行人图像数据库包含已标注的行人图像；

利用所述第一行人图像数据库对重识别系统模型进行分布式训练，得到训练之后的所述重识别系统模型；

将所述第一行人图像数据库中的图像进行PTGAN处理，通过实现行人前景不变的前提下实现背景差异区域的迁移，获得第二行人图像数据库；

对所述第二行人图像数据库中的图像进行多维度特征提取并确定推理线索模型；

根据所述推理线索模型调整所述重识别系统模型的目标参数的参数值；

通过将待识别图像的特征向量输入训练好的所述重识别系统模型，搜索出相似度最高的行人图像。

2.根据权利要求1所述的基于大数据训练的行人重识别方法，其特征在于，所述利用所述第一行人图像数据库对重识别系统模型进行分布式训练，得到训练之后的所述重识别系统模型，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重识别系统模型进行迭代训练；

应用适应率缩放(LARS)对所述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所述的基于大数据训练的行人重识别方法，其特征在于，在将所述第一行人图像数据库中的图像进行PTGAN处理步骤中，所述PTGAN的损失函数表达示如下：

式中L_Style代表生成的风格损失或区域差异，L_ID代表生成图像的身份损失。λ₁是平衡L_Style和L_ID的权重。

4.根据权利要求3所述的基于大数据训练的行人重识别方法，其特征在于，所述对所述第二行人图像数据库中的图像进行多维度特征提取并确定推理线索模型包括：

提取行人外观特征；

提取行人面部特征；

根据行人在第二行人图像数据库中不同视频图像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；

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。

5.一种基于大数据训练的行人重识别装置，其特征在于，包括：

获取模块，用于获取第一行人图像数据库，其中，所述第一行人图像数据库包含已标注的行人图像；

分布式训练模块，用于利用所述第一行人图像数据库对重识别系统模型进行分布式训练，得到训练之后的所述重识别系统模型；

PTGAN处理模块，用于将所述第一行人图像数据库中的图像进行PTGAN处理，通过实现行人前景不变的前提下实现背景差异区域的迁移，获得第二行人图像数据库；

推理线索模块，用于对所述第二行人图像数据库中的图像进行多维度特征提取并确定推理线索模型；

调整模块，用于根据所述推理线索模型调整所述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的特征向量输入训练好的所述重识别系统模型，搜索出相似度最高的行人图像。

6.根据权利要求5所述的基于大数据训练的行人重识别装置，其特征在于，所述分布式训练模块包括：

处理器增加模块，用于通过使用多个处理器增大批量大小对所述重识别系统模型进行迭代训练；

批量算法模块，用于根据线性缩放和预热策略算法对所述重识别系统模型进行迭代训练；

学习率调整模块，用于应用适应率缩放(LARS)对所述重识别系统模型中的每一层网络使用不同的学习率。

7.根据权利要求5所述的基于大数据训练的行人重识别装置，其特征在于，所述PTGAN的损失函数表达示如下：

式中L_Style代表生成的风格损失或区域差异，L_ID代表生成图像的身份损失。λ₁是平衡L_Style和L_ID的权重。