【技术实现步骤摘要】
行人再识别方法及装置、计算机设备及可读介质
本专利技术涉及计算机应用
,尤其涉及一种行人再识别方法及装置、计算机设备及可读介质。
技术介绍
跨摄像头条件下的行人再识别是人体跟踪、安防监控等领域的一项重要内容。目前,行人再识别技术有很多种实现方案,例如,对于某个摄像头拍摄的目标图像中的行人,可以由人工来监控其他摄像头拍摄的图像中是否包括该行人,从而实现行人再识别。但是这种人工监控的压力很大,且主观性较强,准确性较差。为了克服人工监控的缺陷,现有技术中还提出了一种基于人体全局特征进行行人再识别。其中基于人体全局特征的行人再识别方法,通过设计复杂的深度分类神经网络来提取行人图片的全局特征,或是通过度量学习方法在特征空间中将相同身份的行人图片拉近,将不同身份的行人图片推远来进行全局特征的学习。但是,现有的基于人体全局特征进行行人再识别的技术方案,在处理整体外观较为相似的不同身份的行人时容易出现识别错误,导致现有的行人再识别方案的准确性较低。
技术实现思路
本专利技术提供了一种行人再识别方法及装置、计算机设备及可读介质,用于提高行人再识别的准确性。本专利技术提供一种行人再识别方法,所述方法包括:采集包括有行人图像的目标图像和待识别图像;基于预先训练的特征提取模型,分别获取所述目标图像的特征表达和所述待识别图像的特征表达;其中所述特征提取模型基于基准图像的自注意力特征和基准图像相对于参考图像的协同注意力特征共同训练得到;根据所述目标图像的特征表达和所述待识别图像的特征表达,识别所述待识别图像中的行人是否与所述目标图像中的行人为同一行人。本专利技术还提供一 ...
【技术保护点】
1.一种行人再识别方法,其特征在于,所述方法包括:采集包括有行人图像的目标图像和待识别图像;基于预先训练的特征提取模型,分别获取所述目标图像的特征表达和所述待识别图像的特征表达;其中所述特征提取模型基于基准图像的自注意力特征和基准图像相对于参考图像的协同注意力特征共同训练得到;根据所述目标图像的特征表达和所述待识别图像的特征表达,识别所述待识别图像中的行人是否与所述目标图像中的行人为同一行人。
【技术特征摘要】
1.一种行人再识别方法,其特征在于,所述方法包括:采集包括有行人图像的目标图像和待识别图像;基于预先训练的特征提取模型,分别获取所述目标图像的特征表达和所述待识别图像的特征表达;其中所述特征提取模型基于基准图像的自注意力特征和基准图像相对于参考图像的协同注意力特征共同训练得到;根据所述目标图像的特征表达和所述待识别图像的特征表达,识别所述待识别图像中的行人是否与所述目标图像中的行人为同一行人。2.根据权利要求1所述的方法,其特征在于,根据所述目标图像的特征表达和所述待识别图像的特征表达,识别所述待识别图像中的行人是否与所述目标图像中的行人为同一行人,包括:若所述特征表达为全局特征表达,计算所述目标图像的全局特征表达与所述待识别图像的全局特征表达的相似度;判断所述相似度是否大于预设相似度阈值,若是,确定对应的所述待识别图像中的行人与所述目标图像中的行人为同一行人。3.根据权利要求2所述的方法,其特征在于,若所述特征表达为基础特征表达,计算所述目标图像的全局特征表达与所述待识别图像的全局特征表达的相似度之前,所述方法还包括:分别将所述目标图像的基础特征表达和所述待识别图像的基础特征表达进行全局池化操作,得到所述目标图像的全局特征表达和所述待识别图像的全局特征表达。4.根据权利要求1所述的方法,其特征在于,基于预先训练的特征提取模型,分别获取所述目标图像的特征表达和所述待识别图像的特征表达之前,所述方法还包括:采集数张训练图像以及每张所述训练图像中包括的行人的已知标识,一起构成训练图像集;根据所述训练图像集,生成数组训练数据,每组所述训练数据中包括一张基准图像和至少一张参考图像;采用各组所述训练数据和各组所述训练数据中所述基准图像中所包括的行人的已知标识,训练所述特征提取模型。5.根据权利要求4所述的方法,其特征在于,采用各组所述训练数据和各组所述训练数据中所述基准图像中所包括的行人的已知标识,训练所述特征提取模型,包括:对于各组所述训练数据,基于对应的所述训练数据中的所述基准图像的自注意力特征,训练所述特征提取模型;基于对应的所述训练数据中的所述基准图像相对于各张所述参考图像的协同注意力特征,训练所述特征提取模型。6.根据权利要求5所述的方法,其特征在于,对于各组所述训练数据,基于对应的所述训练数据中的所述基准图像的自注意力特征,训练所述特征提取模型,包括:对于各组所述训练数据,将对应的所述训练数据中的所述基准图像输入至所述特征提取模型中,获取所述特征提取模型输出的所述基准图像的基础特征表达以及检索表达,其中所述基准图像的检索表达为对所述基准图像的基础特征表达进行全局池化操作得到的全局特征表达,再进行特征变换而得到;从所述基准图像的基础特征表达中获取符合所述基准图像的检索表达的特征,作为所述基准图像的自注意力特征;将所述基准图像的自注意力特征输入至第一身份识别器中,由所述第一身份识别器根据所述基准图像的自注意力特征预测所述基准图像中的行人的第一预测标识;检测所述第一预测标识和所述已知标识是否一致,若不一致,调整所述特征提取模型和所述第一身份识别器的参数,使得所述第一预测标识与所述已知标识趋于一致。7.根据权利要求6所述的方法,其特征在于,基于对应的所述训练数据中的所述基准图像相对于各张所述参考图像的协同注意力特征,训练所述特征提取模型,包括:对于各组所述训练数据中的各张所述参考图像,将所述参考图像输入至所述特征提取模型中,获取所述特征提取模型输出的所述参考图像的检索表达;从对应的所述基准图像的基础特征表达中获取符合所述参考图像的检索表达的特征,作为所述基准图像相对于所述参考图像的协同注意力特征;将所述协同注意力特征输入至第二身份识别器中,由所述第二身份识别器根据所述协同注意力特征预测所述基准图像中的行人的第二预测标识;检测所述第二预测标识和所述已知标识是否一致,若不一致,调整所述特征提取模型和所述第二身份识别器的参数,使得所述第二预测标识与所述已知标识趋于一致。8.根据权利要求6所述的方法,其特征在于,采用各组所述训练数据和各所述训练数据中所述基准图像中所包括的行人的已知标识,训练所述特征提取模型,还包括如下至少一种:对于各组所述训练数据,将所述训练数据中的所述基准图像的检索表达输入至第三身份识别器中,由所述第三身份识别器根据所述基准图像的检索表达预测所述基准图像中的行人的第三预测标识;检测所述第三预测标识和所述已知标识是否一致,若不一致,调整所述特征提取模型和所述第三身份识别器的参数,使得所述第三预测标识与所述已知标识趋于一致;和对所述基准图像的基础特征表达进行全局池化操作,得到全局特征表达,将所述全局特征表达输入至第四身份识别器中,由所述第四身份识别器根据所述全局特征表达预测所述基准图像中的行人的第四预测标识;检测所述第四预测标识和所述已知标识是否一致,若不一致,调整所述特征提取模型和所述第四身份识别器的参数,使得所述第四预测标识与所述...
【专利技术属性】
技术研发人员:王之港,王健,文石磊,丁二锐,孙昊,
申请(专利权)人:北京百度网讯科技有限公司,
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。