[发明专利]一种行人重识别方法、装置、电子设备和存储介质

说明书

本申请公开了一种行人重识别方法，包括：获取输入图像集合；利用输入图像集合对具有峰值检测器的初始多粒度网络模型进行特征训练，得到具有峰值检测器的多粒度网络模型；将待检测图像输入具有峰值检测器的多粒度网络模型，得到特征提取结果；将特征提取结果与含有目标行人的图片库中提取的特征向量集合进行匹配，识别目标行人。该方法利用具有峰值检测器的多粒度网络模型，可以准确提取行人特征并进行特征学习，避免了相关技术中仅利用多粒度网络模型任意切分人体引入背景信息造成特征学习混乱的缺点，能够改善模型性能，提高目标行人识别准确率。本申请同时还提供了一种行人重识别装置、一种电子设备和存储介质，具有上述有益效果。

技术领域

本申请涉及图像处理技术领域，特别涉及一种行人重识别方法、装置、电子设备和存储介质。

背景技术

行人重识别(Person Re-identification，ReID)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。广泛被认为是一个图像检索的子问题，即给定一个监控行人图像，检索跨设备下的该行人图像。

相关技术中的行人重识别技术中，基本采用“三段式”对行人图像进行切分，生成不同的块，针对每一块提取特征，然后进行分类，得到最终的结果，这种方式无法准确切分人体，会引入背景信息，造成特征学习混乱，训练得到的模型效果较差，进而行人重识别的识别成功率较低。

发明内容

本申请的目的是提供一种行人重识别方法，能够准确提取行人特征并进行特征学习，提高目标行人识别准确率。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：

获取输入图像集合；

利用所述输入图像集合对具有峰值检测器的初始多粒度网络模型进行特征训练，得到具有峰值检测器的多粒度网络模型；

将待检测图像输入所述具有峰值检测器的多粒度网络模型，得到特征提取结果；

将所述特征提取结果与含有目标行人的图片库中提取的特征向量集合进行匹配，识别目标行人。

可选的，利用所述输入图像集合对具有峰值检测器的初始多粒度网络模型进行特征训练，得到具有峰值检测器的多粒度网络模型，包括：

利用所述具有峰值检测器的初始多粒度网络模型，对所述输入图像集合中的各个图像进行特征提取，得到全局特征图；

利用所述模型中的峰值检测器对所述全局特征图进行人体部位检测，生成感兴趣区域；

对所述各个图像中的所述感兴趣区域进行水平切分，得到局部特征图，并对所述局部特征图进行拼接得到拼接特征图；

利用所述全局特征图、所述局部特征图和所述拼接特征图进行训练得到所述具有峰值检测器的多粒度网络模型。

可选的，对所述全局特征图、所述局部特征图和所述拼接特征图进行训练得到所述具有峰值检测器的多粒度网络模型，包括：

将行人ID和行人属性作为标签，利用所述全局特征图、所述局部特征图和所述拼接特征图进行特征训练，得到所述具有峰值检测器的多粒度网络模型。

可选的，将待检测图像输入所述具有峰值检测器的多粒度网络模型，得到特征提取结果，包括：

将待检测图像输入所述具有峰值检测器的多粒度网络模型，得到对应的全局特征图、局部特征图和拼接特征图；

对所述全局特征图、局部特征图和拼接特征图进行特征提取，得到全局特征向量、局部特征向量和拼接特征向量；

根据所述全局特征向量、局部特征向量和拼接特征向量得到联合特征向量，并将所述联合特征向量作为所述特征提取结果。