An embodiment of the invention discloses a training method, a device, an electronic device and a storage medium for a pedestrian re recognition model. The method includes: acquiring each tracking sequence in the video, selecting unlabeled data as data samples according to the tracking sequence, extracting the characteristics of the data sample, and obtaining the data sample special. According to the characteristics of the data sample, the depth learning network including the projecting layer of the conducting centroid is trained to obtain a pedestrian re recognition model, in which the projected centroid projection layer is a feature vector projection layer determined according to the traced sequence. The embodiment of the invention can improve the performance and network effect of the model.
【技术实现步骤摘要】
行人再识别模型训练方法及装置、电子设备和存储介质
本专利技术涉及深度学习技术,尤其是一种行人再识别模型训练方法及装置、电子设备和存储介质。
技术介绍
行人再识别,用于判断某个摄像头中的某个行人是否曾经出现在其他的摄像头中,即需要将某个行人特征与其他行人特征进行对比,判断是否属于同一个行人。
技术实现思路
本专利技术实施例提供一种行人再识别模型训练方法及装置、电子设备和存储介质的技术方案。本专利技术实施例提供的一种行人再识别模型训练方法,包括:获取视频中各个追踪序列;根据所述追踪序列选取未标注数据作为数据样本;对所述数据样本进行特征提取,得到数据样本特征;根据所述数据样本特征,对包括传导质心投影层的深度学习网络进行训练,得到行人再识别模型;其中,所述传导质心投影层是根据所述追踪序列确定的特征向量投影层。在一种可选方式中,所述根据所述追踪序列选取未标注数据作为数据样本包括:计算视频追踪序列中非同一身份用户的追踪序列的概率;在所述非同一身份用户的追踪序列的概率大于预置的追踪序列概率阈值的条件下,确定出追踪序列数量以及追踪序列选取时间间隔,并确定图像帧选取时间间隔;根据所述追踪序列数量、所述追踪序列选取时间间隔以及所述图像帧选取时间间隔,从视频帧中选择出所述未标注数据。在一种可选方式中,所述追踪序列是指视频中同一个用户的所有视频帧中的外接框序列。在一种可选方式中,还包括:确定所述传导质心投影层;所述确定所述传导质心投影层包括:计算所述追踪序列中每一帧在所述深度学习网络的特征空间中的特征向量平均值;确定所述特征向量平均值为质心;将每一帧的特征向量与所述质心进行内积计算, ...
【技术保护点】
1.一种行人再识别模型训练方法,其特征在于,包括:获取视频中各个追踪序列;根据所述追踪序列选取未标注数据作为数据样本;对所述数据样本进行特征提取,得到数据样本特征;根据所述数据样本特征,对包括传导质心投影层的深度学习网络进行训练,得到行人再识别模型;其中,所述传导质心投影层是根据所述追踪序列确定的特征向量投影层。
【技术特征摘要】
1.一种行人再识别模型训练方法,其特征在于,包括:获取视频中各个追踪序列;根据所述追踪序列选取未标注数据作为数据样本;对所述数据样本进行特征提取,得到数据样本特征;根据所述数据样本特征,对包括传导质心投影层的深度学习网络进行训练,得到行人再识别模型;其中,所述传导质心投影层是根据所述追踪序列确定的特征向量投影层。2.根据权利要求1所述的方法,其特征在于,所述根据所述追踪序列选取未标注数据作为数据样本包括:计算视频追踪序列中非同一身份用户的追踪序列的概率;在所述非同一身份用户的追踪序列的概率大于预置的追踪序列概率阈值的条件下,确定出追踪序列数量以及追踪序列选取时间间隔,并确定图像帧选取时间间隔;根据所述追踪序列数量、所述追踪序列选取时间间隔以及所述图像帧选取时间间隔,从视频帧中选择出所述未标注数据。3.根据权利要求1所述的方法,其特征在于,所述追踪序列是指视频中同一个用户的所有视频帧中的外接框序列。4.根据权利要求1所述的方法,其特征在于,还包括:确定所述传导质心投影层;所述确定所述传导质心投影层包括:计算所述追踪序列中每一帧在所述深度学习网络的特征空间中的特征向量平均值;确定所述特征向量平均值为质心;将每一帧的特征向量与所述质心进行内积计算,将得到的质心投影确定为所述传导质心投影层。5.根据权利要求1-4任一项所述的方法,其特征在于,基于半监督学习模式训练得到所述行人再识别模型,或者,基于无监督学习模式训练得到所述行...
【专利技术属性】
技术研发人员:刘宇,宋广录,金啸,闫俊杰,
申请(专利权)人:北京市商汤科技开发有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。