[发明专利]目标识别特征融合的方法、系统、介质及装置

权利要求书

1.一种目标识别特征融合的方法，其特征在于，包括以下步骤：

步骤S11、获取训练数据，所述训练数据由目标数据组成，每个目标数据包含不超过预设数量的特征；

步骤S12、根据随机参数生成法对RNN网络的全部权重进行随机赋值；

步骤S13、将所述每个数据包含的特征按照预设输入规则输入RNN网络获得输出特征；

步骤S14、当一个目标的所有特征都输入所述RNN网络获得输出特征后，进行loss计算，按照更新规则基于loss值对RNN网络的全部权重进行更新；

步骤S15、重复步骤S11、S13和S14直到获得的loss值符合预设loss值规则，按照更新规则基于loss值对RNN网络的全部权重进行更新。

2.根据权利要求1所述的目标识别特征融合的方法，其特征在于，所述随机参数生成法包括：生成高斯分布的随机参数或拉普拉斯分布的随机参数。

3.根据权利要求1所述的目标识别特征融合的方法，其特征在于，所述将所述每个数据包含的特征按照预设输入规则输入RNN网络获得输出特征包括：按照以下公式将特征输入RNN网络：

feat′_n＝F(feat′_n-1，feat_n)＝F(F(feat′_n-2，feat_n-1)，feat_n)

feat′₀＝F(feat₀)＝feat₀

其中，feat₀为某一目标数据的第0号特征，feat′₀为某一目标数据的第0号输出特征，feat_n为某一目标数据的第n号特征，feat′_n为某一目标数据的第n号输出特征。

4.根据权利要求1所述的目标识别特征融合的方法，其特征在于，所述进行loss计算包括：

loss＝|AP|-|AN|+α；

其中：M表示目标数据的个数；N表示目标数据的特征的预设数量；dist为距离函数；i表示第i个目标数据，j表示目标数据的第j个特征；feat_i，j表示第i个目标数据的第j个特征；feat′_i，j表示第i个目标数据的第j个输出特征，α为常数。

5.根据权利要求4所述的目标识别特征融合的方法，其特征在于，所述距离函数包括：欧式距离函数，余弦距离函数，马氏距离函数。

6.根据权利要求1所述的目标识别特征融合的方法，其特征在于，按照更新规则基于loss值对RNN网络的全部权重进行更新包括：对网络进行反向传播，通过偏微分计算各网络层的参数梯度，根据学利率和动量对当前网络的全部权重进行更新。

7.根据权利要求1所述的目标识别特征融合的方法，其特征在于，重复步骤S11、S13和S14直到获得的loss值符合预设loss值规则包括：记录每次重复步骤S11、S13和S14获得的loss值，直到获得的loss值在一定重复步骤S11、S13和S14后无明显下降时，此时获得的loss值符合预设loss值规则。