[发明专利]一种基于大数据训练的行人重识别方法及装置

说明书

本发明公开了一种基于大数据训练的行人重识别方法及装置，所述方法包括：获取第一行人图像数据库；利用第一行人图像数据库对重识别系统模型进行分布式训练；将第一行人图像数据库中的图像进行PTGAN处理，获得第二行人图像数据库；对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；根据推理线索模型调整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重识别系统模型，搜索出相似度最高的行人图像。本发明解决了现有技术中的行人重识别方法跨摄像头的检索难度大，重识别准确率低的问题。

技术领域

本发明涉及计算机视觉和智慧城市技术领域，具体涉及一种基于大数据训练的行人重识别方法、装置、终端设备及计算机可读介质。

背景技术

随着人工智能、计算机视觉和硬件技术的不断发展，视频图像处理技术已经广泛应用于智能城市系统中。

行人重识别(Person Re-identification)也称行人再识别，简称为Re-ID。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。广泛被认为是一个图像检索的子问题。给定一个监控行人图像，检索跨设备下的该行人图像。由于不同摄像设备之间的差异，同时行人兼具刚性和柔性的特性，外观易受穿着、尺度、遮挡、姿态和视角等影响，使得行人重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。

目前来说，虽然行人重识别的检测能力已经显著提升，但是在实际场合中很多具有挑战性的问题还没被完全解决：比如在复杂的场景，光线差异，视角和姿势的改变，大量的行人在一个监控摄像头网络中等情况。在这些情况下，跨摄像头的检索通常难度会很大，同时前期进行视频图像样本训练时的标注工作代价昂贵，需要耗费大量的人力，并且往往现有算法通常无法达到预期效果，重识别准确率较低。

发明内容

有鉴于此，本发明的目的在于提供一种基于大数据训练的行人重识别方法、装置、终端设备及计算机可读介质，能够提高不同摄像头下行人重识别的准确率，解决了现有技术中的行人重识别方法跨摄像头的检索难度大，重识别准确率低的问题。

本发明实施例的第一方面提供了一种基于大数据训练的行人重识别方法，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。

进一步地，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。

进一步地，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：