[发明专利]一种行人重识别匹配边界阈值设置方法、装置及相关组件

权利要求书

1.一种行人重识别匹配边界阈值的设置方法，其特征在于，包括：

获取多个待设定匹配边界阈值的场景，并对每一场景分别随机采集多张行人数据；

利用预设的卷积神经网络模型对每一场景中的多张行人数据进行特征提取，得到每一场景中的多个行人特征；

对每一场景中的多个行人特征进行两两之间的相似度计算，得到对应的多个相似度得分，然后对每一场景中的多个相似度得分按照数值大小进行排序，并对排序后的每一相似度得分设置对应的相似度索引号；

针对每一场景，根据预设的负样本错误率以及相似度得分的个数确定一目标相似度索引号，然后将与所述目标相似度索引号对应的相似度得分作为对应场景的匹配边界阈值。

2.根据权利要求1所述的行人重识别匹配边界阈值的设置方法，其特征在于，所述获取多个待设定匹配边界阈值的场景，并对每一场景分别随机采集多张行人数据之前，包括：

利用包含不同图像类别的图像库对预设的卷积神经网络模型进行预训练，直至所述卷积神经网络模型中的目标函数损失收敛或者所述卷积神经网络模型输出的分类效果符合预期值；

3.根据权利要求1所述的行人重识别匹配边界阈值的设置方法，其特征在于，所述获取多个待设定匹配边界阈值的场景，并对每一场景分别随机采集多张行人数据之前，还包括：

利用行人重识别数据库中的数据对经过预训练的卷积神经网络模型进行优化更新。

4.根据权利要求1所述的行人重识别匹配边界阈值的设置方法，其特征在于，所述利用预设的卷积神经网络模型对每一场景中的多张行人数据进行特征提取，得到每一场景中的多个行人特征，包括：

将每一场景中的每一张行人数据输入至所述卷积神经网络模型中；

利用所述卷积神经网络模型中的第一卷积层对每一张行人数据进行初步特征提取，得到每一张行人数据的第一特征矩阵；

利用第一池化层对所述第一特征矩阵进行池化处理，得到每一张行人数据的第一目标矩阵；

将所述第一目标矩阵输入至第二卷积层中，并由所述第二卷积层输出第二特征矩阵；

利用第二池化层对所述第二特征矩阵进行池化处理，得到第二目标矩阵；

依次利用第一全连接层和第二全连接层对所述第二目标矩阵分类处理，得到每一场景中的每一张行人数据对应的行人特征。

5.根据权利要求1所述的行人重识别匹配边界阈值的设置方法，其特征在于，所述对每一场景中的多个行人特征进行两两之间的相似度计算，得到对应的多个相似度得分，然后对每一场景中的多个相似度得分按照数值大小进行排序，并对排序后的每一相似度得分设置对应的相似度索引号，包括：

对每一场景中的任意两个行人特征之间进行余弦相似度计算，得到对应的相似度得分；

通过等差数列求和公式确定每一场景中相似度得分的个数为(N_i^2-N_i)/2，其中，i为第i个场景，N_i第i个场景中行人特征的个数；

对(N_i^2-N_i)/2个相似度得分按照数值大小进行排序，并对应设置(N_i^2-N_i)/2个相似度索引号。

6.根据权利要求5所述的行人重识别匹配边界阈值的设置方法，其特征在于，所述对(N_i^2-N_i)/2个相似度得分按照数值大小进行排序，并对应设置(N_i^2-N_i)/2个相似度索引号，包括：

利用排序算法对(N_i^2-N_i)/2个相似度得分按照数值从大至小的顺序进行排序。