自适应网络的行人重识别方法、装置、设备及存储介质制造方法及图纸

本发明专利技术提供一种自适应网络的行人重识别方法、装置、设备及存储介质，该方法包括：获取行人视频，利用行人检测算法提取所述行人视频中行人图像；根据当前场景自适应调整冗余的残差网络结构至最佳网络结构；利用基于残差网络的所述最佳网络结构提取待测的所述行人图像的特征向量；识别待测行人与预设行人之间的特征向量的余弦相似度得到行人重识别结果。本发明专利技术从精到粗自动划分冗余残差网络结构中的patch分支，直到匹配到当前场景下的最佳网络结构，减少为了获取最佳网络架构而进行反复人工设计与实验所付出的巨大工作量，同时，避免了因人为因素导致的误判，更适合多个场景之间的自由切换，便于后续场景场景扩展。

Pedestrian Recognition Method, Device, Equipment and Storage Medium Based on Adaptive Network

The invention provides a pedestrian recognition method, device, device and storage medium of an adaptive network, which includes: acquiring pedestrian video, extracting pedestrian image in the pedestrian video by using pedestrian detection algorithm, adaptively adjusting the redundant residual network structure to the optimal network structure according to the current scene, and extracting the unmeasured optimal network structure based on the residual network. The feature vectors of the pedestrian image are described, and the cosine similarity of the feature vectors between the pedestrian to be measured and the preset pedestrian is recognized to obtain the result of pedestrian recognition. The invention automatically divides the patch branches in the redundant residual network structure from fine to rough, until matching to the optimal network structure in the current scene, reduces the enormous workload of repeated manual design and experiment in order to obtain the optimal network structure, avoids the misjudgement caused by human factors, and is more suitable for the free switching between multiple scenarios, and facilitates the subsequent scenarios. Scene extension.

【技术实现步骤摘要】
自适应网络的行人重识别方法、装置、设备及存储介质
本专利技术涉及图像处理
，特别是涉及一种自适应网络的行人重识别方法、装置、设备及存储介质。
技术介绍
行人重识别(Personre-identification，RE-ID)也称行人再识别，即，判断不同位置的摄像头在不同时刻拍摄到行人目标是否是同一人，可用于视频监控等方面。传统地，通过提取行人图像的人工设计特征并对提取的人工设计特征进行比对而实现行人重识别，由于待识别的行人图片与原图片拍摄于不同的相机，设备的差异会给成像条件带来误差；不同的场景下的环境不一致，采集的数据也会产生不同的偏差；且光照的改变会使得同一种颜色的表现不同；更重要的是，行人在摄像头下的姿态变化以及遮挡问题，都使得对同一个人的辨别难度相当大。然而，现有的行人重识别过程中，需要结合全局特征与局部特征才能较好地表达行人图像，从当前业界的行人重识别研究情况来看，如果要达到一定的识别率，需要设计gloable分支和一系列细粒度patch分支的网络结构来合理融合行人图像的全局特征和局部特征，由于不同的场景下的环境不一致，采集的数据也会产生不同的偏差；而图像识别算法自身对场景数据的过度依赖，导致不同场景的数据可能需要对细粒度特征的划分方式不同，而依靠人工实验来确定细粒度特征划分不仅工作量大，还很难找无法找到与当前应用场景匹配最合适的网络结构。
技术实现思路
鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种自适应网络的行人重识别方法、装置、设备及存储介质，用于解决现有技术中的行人重识别无法根据当前场景自适应匹配合适的网络结构问题。为实现上述目的及其他相关目的，本申请的第一方面，本专利技术提供一种自适应网络的行人重识别方法，包括：获取行人视频，利用行人检测算法提取所述行人视频中行人图像；根据当前场景自适应调整冗余的残差网络结构至最佳网络结构；利用基于残差网络的所述最佳网络结构提取待测的所述行人图像的特征向量；识别待测行人与预设行人之间的特征向量的余弦相似度得到行人重识别结果。本申请的第二方面，提供一种自适应网络的行人重识别装置，包括：行人检测模块，用于获取行人视频，利用行人检测算法提取所述行人视频中行人图像；自适应网络结构，用于根据当前场景自适应调整冗余的残差网络结构至最佳网络结构；特征提取模块，用于利用基于残差网络的所述最佳网络结构提取待测的所述行人图像的特征向量；行人重识别模块，用于识别待测行人与预设行人之间的特征向量的余弦相似度得到行人重识别结果。本申请的第三方面，提供一种自适应网络的行人重识别电子设备，包括：一个或多个处理器；存储器；以及一个或多个程序，其中所述一个或多个程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行指令，所述一个或多个处理器执行所述执行指令使得所述电子设备执行上述自适应网络的行人重识别方法的步骤。本申请的第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述自适应网络行人重识别方法的步骤。如上所述，本专利技术的自适应网络的行人重识别方法、装置、设备及存储介质，具有以下有益效果：本专利技术从精到粗自动划分冗余残差网络结构中的patch分支，直到匹配到当前场景下的最佳(合适)网络结构，减少为了获取最佳网络架构而进行反复人工设计与实验所付出的巨大工作量，同时，能够自适应在满足指标的前提下得到更精简的网络结构，避免了因人为因素导致的误判，更适合多个场景之间的自由切换，便于后续场景场景扩展。附图说明图1显示为本专利技术提供的一种自适应网络的行人重识别方法流程图；图2显示为本专利技术提供的一种自适应网络的行人重识别方法中步骤S2的流程图；图3显示为本专利技术提供的一种自适应网络的行人重识别方法中步骤S4的流程图；图4显示为本专利技术提供的一种自适应网络的行人重识别装置结构框图；图5显示为本专利技术提供的一种自适应网络的行人重识别电子设备结构框图。元件标号说明：1行人检测模块2自适应网络结构3特征提取模块4行人识别模块S1～S4步骤1至4具体实施方式以下由特定的具体实施例说明本申请的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本申请的其他优点及功效。在下述描述中，参考附图，附图描述了本申请的若干实施例。应当理解，还可使用其他实施例，并且可以在不背离本公开的精神和范围的情况下进行机械组成、结构、电气以及操作上的改变.下面的详细描述不应该被认为是限制性的，并且本申请的实施例的范围仅由公布的专利的权利要求书所限定.这里使用的术语仅是为了描述特定实施例，而并非旨在限制本申请。空间相关的术语，例如“上”、“下”、“左”、“右”、“下面”、“下方”、“下部”、“上方”、“上部”等，可在文中使用以便于说明图中所示的一个元件或特征与另一元件或特征的关系。虽然在一些实例中术语第一、第二等在本文中用来描述各种元件，但是这些元件不应当被这些术语限制。这些术语仅用来将一个元件与另一个元件进行区分。例如，第一预设阈值可以被称作第二预设阈值，并且类似地，第二预设阈值可以被称作第一预设阈值，而不脱离各种所描述的实施例的范围。第一预设阈值和预设阈值均是在描述一个阈值，但是除非上下文以其他方式明确指出，否则它们不是同一个预设阈值。相似的情况还包括第一音量与第二音量。再者，如同在本文中所使用的，单数形式“一”、“一个”和“该”旨在也包括复数形式，除非上下文中有相反的指示.应当进一步理解，术语“包含”、“包括”表明存在所述的特征、步骤、操作、元件、组件、项目、种类、和/或组，但不排除一个或多个其他特征、步骤、操作、元件、组件、项目、种类、和/或组的存在、出现或添加.此处使用的术语“或”和“和/或”被解释为包括性的，或意味着任一个或任何组合.因此，“A、B或C”或者“A、B和/或C”意味着“以下任一个：A；B；C；A和B；A和C；B和C；A、B和C”仅当元件、功能、步骤或操作的组合在某些方式下内在地互相排斥时，才会出现该定义的例外。请参阅图1，为本专利技术提供的一种自适应网络的行人重识别方法流程图，包括：步骤S1，获取行人视频，利用行人检测算法提取所述行人视频中行人图像；其中，行人视频是指带有监控功能的摄像头拍摄的连续的多帧图像(原始图像)。行人图像是指原始图像中包含有行人的图像。可以理解地，一帧图像中可能没有行人(如原始图像都是背景)，也可能有多个行人。即检测图像可以为复数幅，若检测图像为复数幅，则分别对每一幅行人图像来执行本实施例的技术方案即可。在一具体实施方式中，原始图像的获取，即，原始图像可从一个视频序列中获取得到的，客户端还可以从视频序列中获取原始图像，再将原始图像发送到服务端，也可以直接将视频序列发送到服务端，服务端再从视频序列中获取原始图像，再采用行人检测算法对原始图像进行检测，得到待测的行人图像。其中，行人检测算法是指通过检测来判断图像或者视频序列中是否存在行人并给予精确定位的算法。具体地，行人检测算法可以是人工提取特征的行人检测算法，也可以基于神经网络的行人检测算法，还可以是基于深度学习的行人检测算法，本实施例中采用基于深度学习的行人检测算法。在一个具体实施方式中，采用行人检测算法对原始图像进行检测的步骤之后，还对原始图像中的行人按照像素大本文档来自技高网...

【技术保护点】
1.一种自适应网络的行人重识别方法，其特征在于，所述方法包括：获取行人视频，利用行人检测算法提取所述行人视频中行人图像；根据当前场景自适应调整冗余的残差网络结构至最佳网络结构；利用基于残差网络的所述最佳网络结构提取待测的所述行人图像的特征向量；识别待测行人与预设行人之间的特征向量的余弦相似度得到行人重识别结果。

【技术特征摘要】
1.一种自适应网络的行人重识别方法，其特征在于，所述方法包括：获取行人视频，利用行人检测算法提取所述行人视频中行人图像；根据当前场景自适应调整冗余的残差网络结构至最佳网络结构；利用基于残差网络的所述最佳网络结构提取待测的所述行人图像的特征向量；识别待测行人与预设行人之间的特征向量的余弦相似度得到行人重识别结果。2.根据权利要求1所述的自适应网络的行人重识别方法，其特征在于，所述根据当前场景自适应调整冗余的残差网络结构至最佳网络结构的步骤，包括：所述冗余的残差网络结构包括一个gloable分支与若干个细粒度patch分支，其中，若干个所述细粒度patch分支按其划分方式包括两个细粒度patch分支、以及大于2的多个奇数个细粒度patch分支；根据当前场景自适应调整冗余的残差网络结构中细粒度patch分支的数量，在多个奇数个细粒度patch分支从精到粗递减划分的细粒度patch分支的数量，将所述残差网络结构内每个分支分别接softmax损失函数与triplet损失函数进行训练至收敛；判断每个细粒度分支对应的patch特征权重是否小于预设阈值，如果所述patch特征权重小于预设阈值时，则删除该细粒度分支；如果所述patch特征权重不小于预设阈值时，则保留该细粒度分支；或计算按多个奇数个划分方式对应的细粒度patch分支各自的特征权重，删除特征权重最小的细粒度patch分支对应的划分方式；计算删除该细粒度patch分支后的网络结构的识别率，直到某次删除某个划分方式所对应的细粒度patch分支导致当前的网络结构的识别率小于应用场景识别率需求指标时，则将保留该划分方式所对应的当前的网络结构作为当前场景的最佳网络结构；否则，将剩余的细粒度patch分支与gloable分支形成的网络结构重新训练至收敛，继续删除相应细粒度patch分支，直到匹配到当前场景的最佳网络结构为止。3.根据权利要求1所述的自适应网络的行人重识别方法，其特征在于，所述利用基于残差网络的所述最佳网络结构提取待测的所述行人图像的特征向量的步骤，包括：利用最佳网络结构中gloable分支与细粒度patch分支各自得到gloable特征与细粒度patch特征，融合gloable特征与细粒度patch特征得到待测的所述行人图像的特征向量。4.根据权利要求1所述的自适应网络的行人重识别方法，其特征在于，所述识别待测行人与预设行人之间的特征向量的余弦相似度得到行人重识别结果的步骤，包括：识别待测行人与预设行人之间的特征向量的余弦相似度；当待测行人与预设行人的特征向量余弦相似度达到预设值时，判定两者为同一行人；当待测行人与预设行人的特征向量余弦相似度未达到预设值时，判定两者不为同一行人。5.一种自适应网络的行人重识别装置，其特征在于，所述装置包括：行人检测模块，用于获取行人视频，利用行人检测算法提取所述行人视频中行人图像；自适应网络结构，用于根据当前场景自适应调整冗余的残差网...

【专利技术属性】
技术研发人员：陈文杰，刘鹏程，彭敏，徐华泽，石宇，周祥东，罗代建，程俊，
申请(专利权)人：中国科学院重庆绿色智能技术研究院，
类型：发明
国别省市：重庆,50