[发明专利]一种图像特征提取方法、装置、设备和存储介质

权利要求书

1.一种图像特征提取方法，其特征在于，包括：

获取包含目标对象的单通道图像；

采用特征提取网络，对所述单通道图像中的目标对象进行特征提取；

其中，所述提取的特征包括所述目标对象的第一独有特征和第一通用特征，所述第一通用特征与可见光图像中所述目标对象的第二通用特征相匹配，所述第二通用特征采用所述特征提取网络提取得到，且与所述第一通用特征的通道相同。

2.根据权利要求1所述的方法，其特征在于，在所述采用特征提取网络，对所述单通道图像进行特征提取之前，还包括：

获取训练样本集，所述训练样本集包括：包含所述目标对象的单通道图像样本和可见光图像样本；

获取待训练的特征提取网络和分类网络，以及切片网络；

根据所述单通道图像样本中所述目标对象的第三通用特征和所述可见光图像样本中所述目标对象的第四通用特征，构建第一目标函数；根据分类结果构建第二目标函数；

优化第一目标函数值和第二目标函数值，训练所述特征提取网络和分类网络；

其中，所述切片网络用于将所述特征提取网络提取的特征划分为独有特征和通用特征，所述分类网络用于对所述特征提取网络提取的通用特征和独有特征的整体进行分类，得到所述分类结果。

3.根据权利要求2所述的方法，其特征在于，所述获取待训练的特征提取网络，包括：

获取初始特征提取网络和初始分类网络；

采用带有目标对象分类标签的可见光图像样本，对所述初始特征提取网络和初始分类网络进行训练；

将训练后的初始特征提取网络确定为所述待训练的特征提取网络。

4.根据权利要求2所述的方法，其特征在于，所述单通道图像样本和所述可见光图像样本包含的目标对象身份相同；

所述根据所述单通道图像样本中所述目标对象的第三通用特征和所述可见光图像样本中所述目标对象的第四通用特征，构建第一目标函数，包括：

计算所述第三通用特征的数据分布和所述第四通用特征的数据分布之间的距离，得到第一目标函数。

5.根据权利要求2所述的方法，其特征在于，所述训练样本集包括：多对单通道图像正样本和多对单通道图像负样本、多对可见光图像正样本和多对可见光图像负样本；其中，每对单通道图像正样本包含的目标对象身份相同，每对可见光图像正样本包含的目标对象身份相同，每对单通道图像负样本包含的目标对象身份不同；每对可见光图像负样本包含的目标对象身份不同；

所述根据分类结果构建第二目标函数，包括：

计算每对单通道图像正样本中目标对象的分类结果的第一距离，每对单通道图像负样本中目标对象的分类结果的第二距离，每对可见光图像正样本中目标对象的分类结果的第三距离，以及每对可见光图像负样本中目标对象的分类结果的第四距离；

根据第一距离和第二距离构建用于训练针对单通道图像的分类网络的第二目标函数；

根据第三距离和第四距离构建用于训练针对可见光图像的分类网络的第二目标函数。

6.根据权利要求2-5任一项所述的方法，其特征在于，在所述优化第一目标函数值和第二目标函数值，训练所述特征提取网络和分类网络之前，还包括：

对所述单通道图像样本和所述可见光图像样本分别进行三维重建，并生成同角度下的二维投影图像；

将所述单通道图像样本基于其对应的二维投影图像进行像素对齐；

将所述可见光图像样本基于其对应的二维投影图像进行像素对齐。

7.根据权利要求2-5任一项所述的方法，其特征在于，在所述优化第一目标函数值和第二目标函数值，训练所述特征提取网络和分类网络之前，还包括：

对所述可见光图像样本进行灰度化处理。

8.根据权利要求1-5任一项所述的方法，其特征在于，

所述目标对象为人脸；

所述单通道图像包括近红外图像和深度图像。