[发明专利]模型训练方法、对象识别方法及装置、存储介质

说明书

一种模型训练方法、对象识别方法及装置、存储介质，所述方法包括获取图像采集装置采集的图像，根据获取的图像建立多组样本集合；对获取的图像进行关联处理，获得多个视频片段，根据视频片段和样本集合建立单组样本对集合，利用单组样本对集合训练单组距离模型，该单组距离模型用于计算属于相同样本集合的两个样本之间的距离；根据单组距离模型和样本集合建立第一跨组样本对集合和第二跨组样本对集合，利用单组样本对集合和第一跨组样本对集合初始化训练跨组距离模型，利用第二跨组样本对集合继续训练跨组距离模型。本申请实现了无监督跨摄像头模型训练和对象识别，且识别精度相对较高。

技术领域

本申请涉及但不限于图像识别技术领域，尤其涉及一种模型训练方法、对象识别方法及装置、存储介质。

背景技术

目前，大量的监控摄像头被应用于人群密度较大且较容易发生安全问题的场所，如：超市防盗、园区安防等。行人重识别也被称为行人再识别或重验证，是判断来自非重叠摄像头所拍摄到的行人是否为同一个行人的技术。行人重识别技术使得针对特定对象的监控视频检索成为可能，具有重要的现实意义。根据对训练数据的依赖性，行人重识别算法可分为基于监督学习的行人重识别算法、基于半监督学习的行人重识别算法和基于无监督学习的行人重识别算法。前两者用户需要通过在特定应用场景大量收集和标注训练样本，不仅耗时而且迁移性差。而无监督行人重识别不依赖于数据标注，成为行人重识别技术发展的趋势。

发明内容

本申请提供了一种模型训练方法、对象识别方法及装置、存储介质，能够实现无监督跨摄像头行人重识别，且识别精度相对较高。

本申请实施例提供了一种模型训练方法，包括：获取图像采集装置采集的图像，根据获取的图像建立多组样本集合；对获取的图像进行关联处理，获得多个视频片段，根据所述视频片段和样本集合建立单组样本对集合，利用所述单组样本对集合训练单组距离模型，所述单组距离模型用于计算属于相同样本集合的两个样本之间的距离；根据所述单组距离模型和样本集合，建立第一跨组样本对集合和第二跨组样本对集合，所述第一跨组样本对集合包括多个第一跨组样本对，所述第一跨组样本对包括属于不同样本集合的第一样本和第二样本，且所述第一样本和第二样本互为在对方所在样本集合中搜索到的与自身距离最近的样本；所述第二跨组样本对集合包括多个第二跨组样本对，所述第二跨组样本对包括属于不同样本集合的第三样本和第四样本，且所述第三样本和第四样本中的一个为在自身所在样本集合中搜索到的与所述第三样本和第四样本中的另一个距离最近的样本；利用单组样本对集合和第一跨组样本对集合初始化训练跨组距离模型，利用第二跨组样本对集合继续训练所述跨组距离模型直至所述跨组距离模型训练完成，所述跨组距离模型用于计算属于不同样本集合的两个样本之间的距离。

在一些可能的实现方式中，所述根据获取的图像建立多组样本集合，包括：将所述获取的图像缩放至预设像素值；提取缩放后的图像的多维特征向量；对提取的多维特征向量进行降维；将降维之后的特征向量存储为所述样本集合中的样本。

在一些可能的实现方式中，一个所述图像采集装置采集的图像对应一组或多组所述样本集合。

在一些可能的实现方式中，所述单组样本对集合包括正样本对集合和负样本对集合；所述根据所述视频片段和样本集合建立单组样本对集合，包括：将属于相同视频片段的任意两个样本作为一个正样本对，一组样本集合对应的多个正样本对组成该组样本集合对应的正样本对集合；将属于不同视频片段的任意两个样本作为一个负样本对，一组样本集合对应的多个负样本对组成该组样本集合对应的负样本对集合。

在一些可能的实现方式中，所述单组距离模型和跨组距离模型均为跨视图二次鉴别分析距离模型。

在一些可能的实现方式中，在所述利用第二跨组样本对集合继续训练所述跨组距离模型时，循环收敛条件为所有第二跨组样本对训练完毕或者训练次数达到预设迭代次数。

本申请实施例还提供了一种模型训练装置，包括处理器和存储器，所述处理器用于执行存储器中存储的计算机程序以实现如以上任意一项所述的模型训练方法的步骤。