[发明专利]对象重识别方法、电子设备、存储介质及装置

权利要求书

1.一种对象重识别方法，其特征在于，包括：

获取目标对象的特征数据，并且获取待识别图片；

当所述待识别图片中包含预设对象类型的待识别对象的整体图像特征时，根据所述待识别图片，生成包含所述待识别对象的局部图像特征的至少一个局部图片；

利用预先训练的整体特征识别模型识别所述待识别图片，得到所述待识别对象的整体识别结果；利用预先训练的局部特征识别模型识别所述至少一个局部图片，得到所述待识别对象的局部识别结果；

采用多任务融合损失模型，融合所述整体识别结果和所述局部识别结果，得到所述待识别对象的特征数据；

当所述待识别对象的特征数据与所述目标对象的特征数据一致时，确定所述待识别对象为所述目标对象。

2.根据权利要求1所述的方法，其特征在于，根据所述待识别图片，生成包含所述待识别对象的局部图像特征的至少一个局部图片，包括：

确定所述待识别对象在所述待识别图片中的区域；

从所述待识别图片中提取部分图片，所述部分图片为，与所述待识别对象在所述待识别图片中的区域所对应的图片；

分割所述部分图片，以得到所述至少一个局部图片。

3.根据权利要求1所述的方法，其特征在于，利用预先训练的整体特征识别模型识别所述待识别图片，得到所述待识别对象的整体识别结果；利用预先训练的局部特征识别模型识别所述至少一个局部图片，得到所述待识别对象的局部识别结果，包括：

转换所述待识别图片为具有第一预设尺寸的第一图片；分别将每个所述局部图片转换为具有第二预设尺寸的第二图片，其中，所述第一图片的尺寸与所述待识别图片的尺寸不同，所述第二图片的尺寸与相对应的所述局部图片的尺寸不同，所述第二预设尺寸小于所述第一预设尺寸；

分别从预设区块链节点中获取所述预先训练的整体特征识别模型和所述预先训练的局部特征识别模型；

将所述第一图片输入至所述预先训练的整体特征识别模型，得到所述整体识别结果；将所述第二图片输入至所述局部特征识别模型，得到所述局部识别结果。

4.根据权利要求1所述的方法，其特征在于，采用多任务融合损失模型，融合所述整体识别结果和所述局部识别结果，得到所述待识别对象的特征数据，包括：

确定与所述多任务融合损失模型对应的多任务融合损失函数，所述多任务融合损失函数包括输入项和输出项；

将所述整体识别结果和所述局部识别结果，输入至所述输入项；

从所述输出项获取所述待识别对象的特征数据。

5.根据权利要求1所述的方法，其特征在于，所述整体特征识别模型和所述局部特征识别模型为对卷积神经网络训练得到，所述卷积神经网络包括第一卷积神经网络和第二卷积神经网络，所述卷积神经网路的训练步骤包括：

获取至少一个样本图片，其中，所述至少一个样本图片包括有，包括样本对象的整体图像特征的N个样本图片，以及不包括所述样本对象的整体图像特征的M个样本图片，其中，所述样本对象的类型为所述预设对象类型；

对于所述N个样本图片中的每一样本图片，生成包含所述样本对象的局部图像特征的至少一个局部图片；

利用所述至少一个局部图片，得到局部样本图片集；

采用所述至少一个样本图片对所述第一卷积神经网络进行训练，得到所述整体特征识别模型；采用所述局部样本图片集对所述第二卷积神经网络进行训练，得到所述局部特征识别模型。

6.根据权利要求1所述的方法，其特征在于，当所述待识别对象的特征数据与所述目标对象的特征数据一致时，确定所述待识别对象为所述目标对象，包括：

确定所述待识别对象的特征数据与所述目标对象的特征数据之间的相似度；

当所述相似度满足预设要求时，确定所述待识别对象为所述目标对象。