【技术实现步骤摘要】
行人重识别模型训练方法、装置、计算机设备和存储介质
本申请涉及计算机
，特别是涉及一种行人重识别模型训练方法、装置、计算机设备和存储介质。
技术介绍
随着视频监控技术的发展，出现了行人重识别技术。行人重识别技术是利用计算机视觉技术判断图像或视频序列中是否存在特定行人的技术，基于行人重识别技术，计算机能从海量的图像或视频数据中搜寻出目标行人的图像数据。目前主要是通过深度学习实现行人重识别技术，利用大量携带有标签的行人全局图像或对携带有标签全局图像进行水平分割后的局部图像进行行人重识模型训练，根据训练得到的行人重识别模型完成行人重识别。然而在模型训练时，由于只是基于人工为全局图像设置图像标签，之后将全局图像的图像标签笼统地归纳为局部图像的局部标签，因此当局部图像的图像信息并不足以识别行人时，直接将全局图像的图像标签确定为对应局部标签时，就会导致基于局部图像以及对应的图像标签训练而得的行人重识别模型的不准确。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提升行人重识别模型准确率的行人重识别模型训练方法、装置、计算机设备和存储介质。一种行人重识别模型训练方法，所述方法包括：获取多个行人的全局图像、所述全局图像分割得到的多个局部图像以及全部全局图像中所包含的行人标识；基于已训练的标签标注模型确定全局图像属于每个行人标识的概率，以及每个局部图像属于每个行人标识的概率；将基于全局图像属于每个行人标识的概率生成的第一序列确定为相应全局图像的图像标...
【技术保护点】
1.一种行人重识别模型训练方法，所述方法包括：/n获取多个行人的全局图像、所述全局图像分割得到的多个局部图像以及全部全局图像中所包含的行人标识；/n基于已训练的标签标注模型确定全局图像属于每个行人标识的概率，以及每个局部图像属于每个行人标识的概率；/n将基于全局图像属于每个行人标识的概率生成的第一序列确定为相应全局图像的图像标签；/n将每个局部图像属于每个行人标识的概率生成的第二序列确定为相应局部图像的图像标签；/n基于所述全局图像及所对应的图像标签，或者局部图像及所对应的图像标签对待训练的行人重识别模型进行训练。/n
【技术特征摘要】
1.一种行人重识别模型训练方法，所述方法包括：
获取多个行人的全局图像、所述全局图像分割得到的多个局部图像以及全部全局图像中所包含的行人标识；
基于已训练的标签标注模型确定全局图像属于每个行人标识的概率，以及每个局部图像属于每个行人标识的概率；
将基于全局图像属于每个行人标识的概率生成的第一序列确定为相应全局图像的图像标签；
将每个局部图像属于每个行人标识的概率生成的第二序列确定为相应局部图像的图像标签；
基于所述全局图像及所对应的图像标签，或者局部图像及所对应的图像标签对待训练的行人重识别模型进行训练。
2.根据权利要求1所述的方法，其特征在于，所述标签标注模型的训练过程包括：
获取行人的全局图像以及对应的分类标签；
提取所述全局图像的全局特征；
通过标签标注模型预测所述全局特征的分类结果；
按照所述分类结果与所述分类标签的差异，调整所述标签标注模型的参数并继续训练，直至满足训练停止条件。
3.根据权利要求2所述的方法，其特征在于，所述提取所述全局图像的全局特征包括：
提取所述全局图像的多个局部特征；
拼接所述局部特征，得到所述全局图像的全局特征。
4.根据权利要求1所述的方法，其特征在于，所述行人重识别模型具有多个；所述多个行人重识别模型相互串联；所述基于所述全局图像及所对应的图像标签，或者局部图像及所对应的图像标签对待训练的行人重识别模型进行训练包括：
确定当前顺序的行人重识别模型；
基于所述全局图像及所对应的图像标签，或者局部图像及所对应的图像标签对当前顺序行人重识别模型进行训练；
将所述全局图像或局部图像输入训练后的当前顺序行人重识别模型，得到每个全局图像或局部图像的识别结果；
将所述基于当前顺序行人重识别模型得到的识别结果作为输入下一顺序行人重识别模型的图像标签，将所述下一顺序子模型作为当前顺序子模型，并返回至基于所述全局图像及所对应的图像标签，或者局部图像及所对应的图像标签对当前顺序行人重识别模型进行训练的步骤，直至遍历完行人重识别模型中的子模型。
5.根据权利要求1所述的方法，其特征在于，所述行人重识别模型具有全局子模型以及多个局部子模型；所述局部图像具有人体部位标识；所述基于所述全局图像及所对应的图像标签，或者局部图像及所对应的图像标签对待训练...
【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：深圳元戎启行科技有限公司，
类型：发明
国别省市：广东;44
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。