[发明专利]对象重识别方法、电子设备、存储介质及装置

说明书

本申请公开了一种对象重识别方法、电子设备、存储介质及装置，在识别待识别图片时，不仅采用预先训练的整体特征识别模型识别待识别图片，得到整体识别结果，还采用预先训练的局部特征识别模型，识别包含待识别对象的局部图像特征的至少一个局部图片，得到局部识别结果，并融合整体识别结果和局部识别结果，从而得到待识别对象的特征数据。即本申请结合待识别对象的整体图像特征和局部图像特征，得到待识别对象的特征数据。因此当待识别对象所处的环境复杂时，由于能够结合局部图像特征对待识别对象识别，所以，识别的准确度较高。

技术领域

本申请涉及计算机领域，尤其涉及一种对象重识别方法、电子设备、存储介质及装置。

背景技术

行人重识别是指在不同摄像头场景下识别出行人身份的技术，是视频监控分析技术中非常重要的一部分，在安防监控等方面发挥着重要的作用。

当前，行人重识别技术多基于深度学习的方法实现。由于人体是非刚体，姿态多变，并且行人所处的实际环境较为复杂，背景干扰大，因此准确实现行人重识别成为本领域人员亟待解决的技术问题。

发明内容

为了实现准确地进行行人重识别，本申请提供了一种对象重识别方法、电子设备、存储介质及装置，如下所示：

第一方面、提供一种对象重识别方法，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。

可选地，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。

可选地，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。

可选地，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；