[发明专利]行人重识别数据增强方法、装置、设备及可读存储介质

说明书

本发明提供一种行人重识别数据增强方法、装置、设备及可读存储介质。该方法包括获取多个行人样本图像，每个行人样本图像携带类别标签；生成随机灰度块替换器，对所述行人样本图像上的随机区域进行灰度块替换处理，得到随机灰度化行人样本图像，所述随机灰度化行人样本图像上具有一个或多个灰度块，且携带与对应的所述行人样本图像相同的类别标签；将多个所述行人样本图像和所述随机灰度化行人样本图像合并，得到联合训练集。本发明提供的行人重识别数据增强方法充分利用了灰度图像保留的结构信息，使得图像的颜色信息与灰度图像的空间结构信息在模型训练中相互拟合有效降低模型对颜色信息过拟合的风险，使模型在跨摄像头环境时对颜色信息变化具有较强的鲁棒性。

技术领域

本发明涉及人工智能技术领域，具体而言，涉及一种行人重识别数据增强方法、装置、设备及可读存储介质。

背景技术

行人重识别，也被称为ReID(Person Re-identification)，是对行人进行跨摄像头检索，从而判断图像或者视频序列中是否存在特定身份行人的技术，也就是找到不同摄像头下的同一个人。同一身份的行人随着视角、行人姿态和环境光线的变化会引起的显著的类内变化，也就是说，同一行人图像的表观可能会发生了巨大的变化，使得行人间的类内(同一个行人)的差异甚至大于类间(不同行人)差异。因此，行人重识别是一个富有挑战性的工作，模型所学习到的特征在显著的类内变化中是否具有较好的不变性，会决定模型的性能表现的上限。尽管行人再识别研究工作己得到较好的发展，但是现有技术没有专门针对上述问题提出解决方案。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本发明的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本发明的目的在于提供一种行人重识别数据增强方法、装置、设备及可读存储介质，针对提升行人再识别模型特征在显著的类内变化中的不变性方面，具有更好的鲁棒性。

根据本发明实施例的第一方面，提供一种行人重识别数据增强方法，包括：

获取多个行人样本图像，每个行人样本图像携带类别标签；

生成随机灰度块替换器，对所述行人样本图像上的随机区域进行灰度块替换处理，得到随机灰度化行人样本图像，所述随机灰度化行人样本图像上具有一个或多个灰度块，且携带与对应的所述行人样本图像相同的类别标签；

将多个所述行人样本图像和所述随机灰度化行人样本图像合并，得到联合训练集。

在本发明的一种示例性实施例中，所述生成随机灰度块替换器，对所述行人样本图像上的随机区域进行灰度块替换处理，具体为：

在所述行人样本图像上生成块状的随机区域，所述随机区域为一块或多块；

将所述行人样本图像转换为灰度图像，根据所述灰度图像和所述随机区域，得到位于所述随机区域的灰度替换块；

将所述灰度替换块覆盖在所述行人样本图像上的对应区域，得到所述随机灰度化行人样本图像。

在本发明的一种示例性实施例中，所述在所述行人样本图像上生成随机区域，具体为：

获取预设的替换比例区间，根据所述替换比例区间和所述行人样本图像的面积，得到灰度替换块的面积区间；

在所述面积区间内随机选取一个数值，得到所述随机区域的面积值；

根据所述面积值在所述行人样本图像上生成所述随机区域。

在本发明的一种示例性实施例中，不同的所述行人样本图像在所述面积区间内随机选取的数值不同。

在本发明的一种示例性实施例中，所述行人样本图像为具有色彩空间的图像，所述色彩空间为RGB、HSV、YUV、CMY和YIQ中的一种或多种。