[发明专利]一种行人重识别方法、装置、设备及介质

说明书

本申请公开了一种行人重识别方法、装置、设备及介质，包括：将行人重识别训练样本输入至backbone网络，提取特征图；提取特征图的全局特征，计算全局距离；利用目标检测算法确定出特征图中的行人位置；利用行人位置从特征图中提取出行人特征；基于ROI Align技术对行人特征进行归一化处理，得到预设尺寸的行人特征；从归一化后的行人特征中提取局部特征，计算局部距离；利用全局距离和局部距离计算出总距离；计算整个训练过程中产生的损失；重复前述步骤对预建的行人重识别模型进行训练，得到训练后行人重识别模型；当获取到待识别图像，利用训练后行人重识别模型输出识别结果。能够解决局部特征不对齐以及局部特征一对多的问题，从而提升行人重识别的准确度。

技术领域

本申请涉及图像识别技术领域，特别涉及一种行人重识别方法、装置、设备及介质。

背景技术

行人重识别是计算机视觉领域的热点问题，主要研究的是“如何关联位于不同物理位置的不同摄像机捕获到特定行人的问题”，可以理解为图像检索的子问题。如针对出现在某摄像头视域里的某一个目标行人，在其他摄像头的视域里能够快速准确的将这一目标行人识别出来。

早期行人重识别关注点在全局特征上，即提取整幅图像特征，基于此特征向量进行图像检索。但后来发现仅利用全局特征性能提升到一定水平会达到瓶颈，于是逐渐考虑到局部特征，常用的提取局部特征的方法有图像切块、利用骨架关键点定位、姿态矫正等。

目前，在行人重识别算法中存在局部特征不对齐，以及一个局部特征对应多个局部特征，导致局部距离偏大，进而影响算法性能的问题。

发明内容

有鉴于此，本申请的目的在于提供一种行人重识别方法、装置、设备及介质，能够解决局部特征不对齐以及局部特征一对多的问题，从而提升行人重识别的准确度。其具体方案如下：

第一方面，本申请公开了一种行人重识别方法，包括：

步骤S11：将行人重识别训练样本输入至backbone网络，提取对应的特征图；所述行人重识别训练样本包括行人样本图像和对应的标注信息；

步骤S12：提取所述特征图的全局特征，并计算对应的全局距离；

步骤S13：利用目标检测算法确定出所述特征图中的行人位置；

步骤S14：利用所述行人位置从所述特征图中提取出对应的行人特征；

步骤S15：基于ROI Align技术对所述行人特征进行归一化处理，以得到预设尺寸的行人特征；

步骤S16：从归一化后的所述行人特征中提取对应的局部特征，并计算对应的局部距离；

步骤S17：利用所述全局距离和所述局部距离计算出总距离；

步骤S18：计算整个训练过程中产生的损失；

重复所述步骤S11至步骤S18对预先构建的行人重识别模型进行训练，得到训练后行人重识别模型；

步骤S19：当获取到待识别图像，则利用所述训练后行人重识别模型输出对应的识别结果。

可选的，所述利用目标检测算法确定出所述特征图中的行人位置，包括：

将所述特征图输入至RPN网络，以提取出所述特征图对应的候选框；

利用所述特征图和所述候选框确定出所述特征图中的行人位置。

可选的，所述计算整个训练过程中产生的损失，包括：

利用第一损失、第二损失、第三损失以及第四损失计算整个训练过程中产生的损失；