[发明专利]行人重识别的噪声样本识别方法、装置、设备和存储介质

权利要求书

1.一种行人重识别的噪声样本识别方法，所述方法包括：

对行人重识别的各初始样本进行特征提取，获得各所述初始样本的样本特征；

根据各所述样本特征，确定目标样本组的组内样本特征中心，以及所述目标样本组内的各初始样本的样本距离，所述目标样本组包括至少两个所述初始样本，所述样本距离为所述初始样本的样本特征与所述初始样本所在目标样本组的组内样本特征中心之间的距离；

根据所述目标样本组的各初始样本的样本距离，确定所述目标样本组中的各所述初始样本是否为噪声样本；

将各所述初始样本中确定为噪声样本的初始样本移除，获得更新后的样本数据；

根据所述更新后的样本数据对第一预设神经网络进行网络训练，获得训练确定的行人重识别模型。

2.根据权利要求1所述的行人重识别的噪声样本识别方法，其特征在于，所述对行人重识别的各初始样本进行特征提取，获得各所述初始样本的样本特征，包括：

根据所述初始样本训练第二预设神经网络，并在达到训练终止条件时停止训练，获得中间神经网络；

将所述初始样本输入所述中间神经网络，获取所述中间神经网络的卷积层对各所述初始样本进行特征提取得到的样本特征。

3.根据权利要求1所述的行人重识别的噪声样本识别方法，其特征在于，所述目标样本组包括各样本组；

所述根据各所述样本特征，确定目标样本组的组内样本特征中心，以及所述目标样本组内的各初始样本的样本距离，包括：

读取各所述初始样本的组别标识；

选取未被选取的任一组别标识对应的样本组为待处理样本组，获取所述待处理样本组中的各初始样本的样本特征；

根据所述待处理样本组中各初始样本的样本特征，确定所述待处理样本组对应的所述组内样本特征中心；

分别计算所述待处理样本组中各初始样本的样本特征与所述待处理样本组对应的所述组内样本特征中心之间的样本距离；

在存在未被选取的组别标识时，返回所述选取未被选取的任一组别标识对应的样本组为待处理样本组的步骤。

4.根据权利要求1所述的行人重识别的噪声样本识别方法，其特征在于，所述目标样本组为各样本组中未被选取的样本组；

所述根据所述目标样本组的各初始样本的样本距离，确定所述目标样本组中的各所述初始样本是否为噪声样本之后，还包括：

在存在未被选取的样本组时，选取未被选取的任一样本组为目标样本组，返回所述根据各所述样本特征，确定目标样本组的组内样本特征中心，以及所述目标样本组内的各初始样本的样本距离的步骤。

5.根据权利要求1所述的行人重识别的噪声样本识别方法，其特征在于，所述根据所述目标样本组的各初始样本的样本距离，确定所述目标样本组中的各所述初始样本是否为噪声样本，包括：

基于所述目标样本组内的各所述初始样本对应的所述样本距离，确定所述目标样本组内的各所述初始样本对应的噪声样本概率和非噪声样本概率；

将对应的噪声样本概率大于非噪声样本概率的初始样本，判定为噪声样本。

6.根据权利要求5所述的行人重识别的噪声样本识别方法，其特征在于，所述基于所述目标样本组内的各所述初始样本对应的所述样本距离，确定所述目标样本组内的各所述初始样本对应的噪声样本概率和非噪声样本概率，包括：

将所述目标样本组内的各所述初始样本对应的所述样本距离输入预设混合高斯模型；

获取所述预设混合高斯模型输出的各所述初始样本的噪声样本概率和非噪声样本概率。

7.根据权利要求1所述的行人重识别的噪声样本识别方法，其特征在于，所述根据所述目标样本组的各初始样本的样本距离，确定所述目标样本组中的各所述初始样本是否为噪声样本，包括：

根据所述目标样本组中各所述初始样本对应的所述样本距离，对所述目标样本组中的各所述初始样本进行层次聚类，获得两个样本聚类；

分别确定各所述样本聚类的平均样本距离；

将两个所述样本聚类中所述平均样本距离较大的样本聚类确定为噪声样本聚类，根据所述噪声样本聚类确定所述目标样本组中的噪声样本。