[发明专利]基于超分辨网络的目标搜索重建方法、装置及存储介质

权利要求书

1.一种基于超分辨网络的目标搜索重建方法，其特征在于，该方法包括如下步骤：

步骤一、将监控视频帧以下采样因子r=4的高斯滤波进行降采样，得到目标图像，并对目标图像中的行人目标进行标注，得到图像标签，图像标签为每张目标图像中行人的ID和位置坐标；

步骤二、将待搜索的视频帧和标注好的目标图像输入目标搜索网络，通过特征提取与聚合模块，得到原始图像的特征图；

步骤三、将所述特征图输入到搜索模型中，通过无锚检测网络检测出目标的位置及分类；

步骤四、将检测到的目标与模板目标图像进行相似度计算，得到三元组重识别损失，并在原始的在线实例匹配损失中添加一个焦点损失；

步骤五、将回归损失、分类损失联合，目标重识别损失单独计算，得到最终的损失函数，进行目标搜索部分网络的训练；

步骤六、在训练好的网络中输入目标图片及待搜索图片，特征聚合模块输出的特征图上每个位置与具有分类和中心得分的边界框以及重识别特征张量相关联，完成行人搜索过程，得到目标搜索的结果；

步骤七、将目标搜索的结果进行裁剪与拷贝，并使用下采样因子r=4进行下采样，获得低分辨率图像LR；

步骤八、利用获得的低分辨率图像LR与原始的高清晰目标图像进行图像超分辨率网络的训练；

步骤九、将测试图片输入训练好的图像超分辨率网络，输出超分辨率后的高清图片SR。

2.根据权利要求1所述的基于超分辨网络的目标搜索重建方法，其特征在于，在步骤二中，所述目标搜索网络基于FCOS算法。

3.根据权利要求1或2所述的基于超分辨网络的目标搜索重建方法，其特征在于，在步骤三中，所述无锚检测网络利用FCOS的检测头进行检测。

4.根据权利要求3所述的基于超分辨网络的目标搜索重建方法，其特征在于，在步骤三中，所述检测头由两个分支组成，该两个分支包含4个3×3卷积层，一个分支回归目标偏移和中心度得分，一个分支进行前景/背景的分类。

5.根据权利要求1所述的基于超分辨网络的目标搜索重建方法，其特征在于，在步骤四中，相似度计算时，在阈值范围内，取相似度最高的目标作为重识别结果。

6.根据权利要求1所述的基于超分辨网络的目标搜索重建方法，其特征在于，在步骤五中，在训练过程中，图像的长边随即调整至667到2000，并使用零填充来适应不同分辨率的图像。

7.根据权利要求6所述的基于超分辨网络的目标搜索重建方法，其特征在于，测试图像调整为1500×900的固定大小。

8.根据权利要求1所述的基于超分辨网络的目标搜索重建方法，其特征在于，在步骤八中，所述图像超分辨率网络模型包括生成网络和判别网络，低分辨率图像LR作为所述生成网络的输入，测试图片输入所述判别网络。

9.一种基于超分辨网络的目标搜索重建装置，其特征在于，包括：

至少一处理器；

至少一存储器，用于存储至少一程序；

当所述至少一程序被所述至少一处理器执行，使得所述至少一处理器实现如权利要求1-8任一项所述基于超分辨网络的目标搜索重建方法。

10.一种存储介质，存储有处理器可执行的指令，其特征在于：处理器执行所述处理器可执行的指令时执行如权利要求1-8任一项所述基于超分辨网络的目标搜索重建方法。