[发明专利]一种行人重识别方法、装置及电子设备和存储介质

权利要求书

1.一种行人重识别方法，其特征在于，包括：

获取行人图片和行人重识别网络；其中，行人重识别网络包括骨干网络、全局特征提取分支、局部特征提取分支；

将所述行人图片输入所述骨干网络得到所述行人图片对应的特征图，利用所述全局特征提取分支从所述特征图中提取全局特征，利用所述局部特征提取分支从所述特征图中提取局部特征；

利用损失函数计算所述全局特征和所述局部特征的损失量，并基于所述损失量对所述行人重识别网络进行参数调整，得到调整后的行人重识别网络，以便利用所述调整后的行人重识别网络进行行人重识别。

2.根据权利要求1所述行人重识别方法，其特征在于，所述骨干网络包括浅层网络和深层网络；所述浅层网络具体为Batch Norm与Instance Norm结合的网络，所述深层网络具体为Batch Norm。

3.根据权利要求1所述行人重识别方法，其特征在于，所述局部特征提取分支包括第一局部特征提取分支和第二局部特征提取分支，所述利用所述局部特征提取分支从所述特征图中提取局部特征，包括：

利用第一局部特征提取分支将所述特征图划分为两个部分，并分别提取所述两个部分的特征作为所述局部特征；

利用第二局部特征提取分支将所述特征图划分为三个部分，并分别提取所述三个部分的特征作为所述局部特征。

4.根据权利要求1至3中任一项所述行人重识别方法，其特征在于，所述利用损失函数计算所述全局特征和所述局部特征的损失量，包括：

确定所述全局特征对应的第一损失函数和所述局部特征对应的第二损失函数；

利用所述第一损失函数计算所述全局特征的损失量，利用所述第二损失函数计算所述局部特征的损失量。

5.根据权利要求4所述行人重识别方法，其特征在于，所述第一损失函数包括交叉熵损失函数和三元组损失函数，所述第二损失函数包括括交叉熵损失函数。

6.根据权利要求5所述行人重识别方法，其特征在于，所述三元组损失函数具体为难样本采样三元组损失函数。

7.一种行人重识别装置，其特征在于，包括：

获取模块，用于获取行人图片和行人重识别网络；其中，行人重识别网络包括骨干网络、全局特征提取分支、局部特征提取分支；

提取模块，用于将所述行人图片入所述骨干网络得到所述行人图片对应的特征图，利用所述全局特征提取分支从所述特征图中提取全局特征，利用所述局部特征提取分支从所述特征图中提取局部特征；

调整模块，用于利用损失函数计算所述全局特征和所述局部特征的损失量，并基于所述损失量对所述行人重识别网络进行参数调整，得到调整后的行人重识别网络，以便利用所述调整后的行人重识别网络进行行人重识别。

8.根据权利要求7所述行人重识别装置，其特征在于，所述调整模块包括：

确定单元，用于确定所述全局特征对应的第一损失函数和所述局部特征对应的第二损失函数；

计算单元，用于利用所述第一损失函数计算所述全局特征的损失量，利用所述第二损失函数计算所述局部特征的损失量；

调整单元，用于基于所述损失量对所述行人重识别网络进行参数调整，得到调整后的行人重识别网络，以便利用所述调整后的行人重识别网络进行行人重识别。

9.一种电子设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至6任一项所述行人重识别方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述行人重识别方法的步骤。