[发明专利]重识别方法及装置，电子设备

说明书

本发明提供重识别方法及装置。该方法包括：对目标图像进行多尺度融合处理，得到第一中间特征图；将第一中间特征图分为n个分片，将n个分片进行组合，得到M个组合特征图集；其中，M个组合特征图中的其中一个特征图由n个分片组合得到；计算M个组合特征图两两间的相关性信息；相关性信息至少包括：空间相关性和通道相关性；针对任一组合特征图，根据计算得到的相关性信息对任一组合特征图进行相关性融合处理，得到对应的第二中间特征图；其中，第二中间特征图融合了任一组合特征图与其他组合特征图之间的相关性信息；将M个第二中间特征图进行融合，得到特征向量；使用特征向量进行身份识别，得到识别结果。

技术领域

本发明涉及计算机领域，特别涉及一种重识别方法及装置，电子设备。

背景技术

行人重识别(Person re-identification)也称行人再识别，是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术。现有的重识别技术多为一个尺度，不够精确。

发明内容

有鉴于此，本发明实施例提供一种重识别方法及装置，电子设备，以从多尺度特征实现重识别。

为实现上述目的，本发明实施例提供如下技术方案：

一种重识别方法，包括：

对目标图像进行多尺度融合处理，得到第一中间特征图；

将所述第一中间特征图分为n个分片，将n个分片进行组合，得到M个组合特征图集；其中，所述M个组合特征图中的其中一个特征图由所述n个分片组合得到；

计算M个组合特征图两两间的相关性信息；相关性信息至少包括：空间相关性和通道相关性；

针对任一组合特征图，根据计算得到的相关性信息对所述任一组合特征图进行相关性融合处理，得到对应的第二中间特征图；其中，第二中间特征图融合了所述任一组合特征图与其他组合特征图之间的相关性信息；

将M个第二中间特征图进行融合，得到特征向量；

使用特征向量进行身份识别，得到识别结果。

可选的，所述对目标图像进行多尺度融合处理包括：并行进行N个分支卷积处理；其中，任两个分支卷积处理采用的卷积相关参数不同，所述卷积相关参数包括：卷积核和卷积次数中的至少一种；将N个分支卷积处理得到的卷积结果进行融合，得到融合结果；根据所述融合结果提取所述第一中间特征图。

可选的，任一卷积结果包括m个通道的特征值；m为正整数；所述融合结果包括：m个通道所对应的融合特征值；m个通道中的任一通道为通道i；所述将N个分支卷积处理得到的卷积结果进行融合包括：计算每一卷积结果中通道i的特征值所对应的概率值，得到N个概率值；将最大概率值所对应的特征值，作为通道i所对应的融合特征值。

可选的，所述计算M个组合特征图两两间的相关性信息包括：对于第i个组合特征图，计算第i个组合特征图与第j个组合特征图之间的空间相关性矩阵；i大于等于0，小于等于M-1，或者，i大于等于1，小于等于M；j大于等于0，小于等于M-1，或者，j大于等于1，小于等于M；i不等于j；所述空间相关性矩阵用于表征空间相关性；计算第i个组合特征图与第j个组合特征图之间的通道相关性矩阵；所述通道相关性矩阵用于表征通道相关性；所述针对任一组合特征图，根据计算得到的相关性信息对所述任一组合特征图进行相关性融合处理，得到对应的第二中间特征图包括：使用所述空间相关性矩阵和通道相关性矩阵，计算出融合了第i个组合特征图与第j个组合特征图之间的相关性的融合特征图；对于第i个组合特征图，融合特征图的总数为M-1个；对M-1个融合特征图进行融合，得到与所述第i个组合特征图对应的第二中间特征图。