行人特征提取模型的训练方法、行人识别方法及相关装置制造方法及图纸

本发明专利技术实施例提供了一种行人特征提取模型的训练方法、行人识别方法及相关装置，其中，训练方法包括：通过待训练行人特征提取模型的分类层获取M个类中心特征向量；任意两个类中心特征向量的类间距为第一类间距；类间距表征M个不同的行人之间的差异度；根据预设更新策略更新M个类中心特征向量；任意两个更新后的类中心特征向量之间的间距为第二间距，第二类间距大于第一类间距；获取样本图像集合；基于更新后的M个类中心特征向量和样本图像集合对待训练行人特征提取模型进训练，得到行人特征提取模型，该行人特征提取模型用于获取行人图像的特征向量。与现有技术相比，本发明专利技术扩大了类中心特征向量之间的类间距，能够提高行人识别的准确度。

【技术实现步骤摘要】
行人特征提取模型的训练方法、行人识别方法及相关装置
本专利技术涉及行人识别领域，具体而言，涉及一种行人特征提取模型的训练方法、行人识别方法及相关装置。
技术介绍
行人再识别(Personre-identification，简称reid)是视频监控和公共安全中的一个热门课题，指的是在非重叠视域的不同摄像机中识别匹配同一行人问题。随着深度学习技术的发展，在进行行人再识别的过程中，通常需要将每一张行人图像通过行人特征提取模型中获得对应的特征向量，然后根据每一张图所对应的特征向量获得每一张图像与其他图像之间的相似度来完成行人再识别。目前，由于各个类之间的关联性，在训练行人特征提取模型的过程中，由于同一类的各个特征向量在训练的过程中在各自的类中心拟合，当模型中各个类中心之间的距离较小时，通过行人特征提取模型提取的特征向量的区分度较低，容易出现行人识别的准确率低的缺陷。
技术实现思路
有鉴于此，本专利技术实施例提供一种行人特征提取模型的训练方法、行人识别方法及相关装置，用于解决通过行人特征提取模型提取的特征向量的区分度较低，容易出现行人识别的准确率低的问题。为了实现上述目的，本专利技术实施例采取的技术方案为：第一方面，本专利技术实施例提供了一种行人特征提取模型的训练方法，所述方法包括：通过待训练行人特征提取模型的分类层获取M个类中心特征向量；其中，所述M为大于1的整数；任意两个类中心特征向量之间的间距为第一间距；通过待训练行人特征提取模型的分类层获取M个类中心特征向量；其中，所述M为大于1的整数；所述M个类中心特征向量与M个不同的行人具有一一对应关系；任意两个所述类中心特征向量的类间距为第一类间距；所述类间距表征所述M个不同的行人之间的差异度；根据预设更新策略更新所述M个类中心特征向量；其中，任意两个更新后的类中心特征向量之间的间距为第二类间距，所述第二类间距大于所述第一类间距；获取样本图像集合；其中，所述样本图像集合中包括N个样本图像；所述N为大于所述M的整数；基于更新后的M个类中心特征向量和所述样本图像集合对所述待训练行人特征提取模型进训练，得到行人特征提取模型，其中，所述行人特征提取模型用于获取行人图像的特征向量。可选地，所述根据预设更新策略更新所述M个类中心特征向量的步骤，包括：计算所述M个类中心特征向量对应的平均类中心特征向量和任意一个类中心特征向量与所述平均类中心特征向量之间的夹角；根据预设的角度调整参数、任意一个类中心特征向量与所述平均类中心特征向量之间的夹角确定更新更新所述M个类中心特征向量。可选地，所述更新后的M个类中心特征向量满足如下关系式：其中，和分别表征第j个类中心特征向量和更新后的第j个类中心特征向量，j＝1,2,...,M；表征所述平均类中心特征向量；θj表征第j个类中心特征向量与所述平均类中心特征向量之间的夹角；λ表征所述角度调整参数；|·|表征向量的模。可选地，所述N个样本图像包含M个训练图像与R个测试图像；所述M与所述R的总和为所述N；所述固定所述M个类中心特征向量，基于所述训练样本集合对所述待训练行人特征提取模型进训练，得到行人特征提取模型的步骤，包括：基于更新后的所述M个类中心特征向量和所述M个训练图像对所述待训练行人特征提取模型进行预设迭代次数的训练，获得训练后的所述待训练行人特征提取模型。当利用训练后的所述待训练行人特征提取模型对所述R个测试样本进行测试时的测试指标保持不变时，则所述训练后的待训练行人特征提取模型为行人特征模型。第二方面，本专利技术实施例提供了一种行人识别方法，所述方法包括：获取待搜索图像和比对图像库；其中，所述待搜索图像中包括目标行人；所述比对图像库中包含多张比对图像；通过所述行人特征提取模型确定所述待搜索图像对应的第一图像特征和所述多张比对图像对应的第二图像特征；其中，所述行人特征提取模型为采用上述第一方面所述的行人特征提取模型的训练方法训练而成；所述第一图像特征和所述第二图像特征用于确定与所述目标行人匹配的至少一张所述比对图像。可选地，所述方法还包括：计算所述待搜索图像对应的第一图像特征和所述多张比对图像对应的第二图像特征之间的相似度；根据所述相似度确定至少一张比对图像；所述至少一张比对图像中包含所述目标行人。第三方面，本专利技术实施例提供了一种行人特征提取模型训练装置，包括：获取模块，用于通过待训练行人特征提取模型的分类层获取M个类中心特征向量；其中，所述M为大于1的整数；所述M个类中心特征向量与M个不同的行人具有一一对应关系；任意两个所述类中心特征向量的类间距为第一类间距；所述类间距表征所述M个不同的行人之间的差异度；更新模块，用于根据预设更新策略更新所述M个类中心特征向量；其中，任意两个更新后的类中心特征向量之间的间距为第二类间距，所述第二类间距大于所述第一类间距；所述获取模块，还用于获取样本图像集合；其中，所述样本图像集合中包括N个样本图像；所述N为大于所述M的整数；训练模块，用于基于更新后的M个类中心特征向量和所述样本图像集合对所述待训练行人特征提取模型进训练，得到行人特征提取模型，其中，所述行人特征提取模型用于获取行人图像的特征向量。第四方面，本专利技术实施例提供了一种行人识别装置，包括：获取模块，用于获取待搜索图像和比对图像库；其中，所述待搜索图像中包括目标行人；所述比对图像库中包含多张比对图像；确定模块，用于通过行人特征提取模型确定所述待搜索图像对应的第一图像特征和所述多张比对图像对应的第二图像特征；其中，所述行人特征提取模型为采用上述第一方面所述的行人特征提取模型的训练方法训练而成；所述第一图像特征和所述第二图像特征用于确定与所述目标行人匹配的至少一张所述比对图像。第五方面，本专利技术实施例提供了一种电子设备，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的机器可执行指令，所述处理器可执行所述机器可执行指令以实现如第一方面所述的行人特征提取模型的训练方法或如第二方面所述的行人识别方法。第六方面，本专利技术实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的行人特征提取模型的训练方法或如第二方面所述的行人识别方法。本专利技术实施例提供了一种行人特征提取模型的训练方法、行人识别方法及相关装置，其中，行人特征提取模型的训练方法包括：通过待训练行人特征提取模型的分类层获取M个类中心特征向量；其中，所述M为大于1的整数；M个类中心特征向量与M个不同的行人具有一一对应关系；任意两个类中心特征向量的类间距为第一类间距；类间距表征所述M个不同的行人之间的差异度；根据预设更新策略更新M个类中心特征向量；其中，任意两个更新后的类中心特征向量之间的间距为第二类间距，第二类间距大于第一类间距；获取样本图像集合；其中，样本图像集合中包括N个样本图像；N为大于所述M的整数；基于更新后的M个类中心特征向量和样本图像集合对待训练行人特征提取模型进训练，得到行人特征本文档来自技高网...

【技术保护点】
1.一种行人特征提取模型的训练方法，其特征在于，所述方法包括：/n通过待训练行人特征提取模型的分类层获取M个类中心特征向量；其中，所述M为大于1的整数；所述M个类中心特征向量与M个不同的行人具有一一对应关系；任意两个所述类中心特征向量的类间距为第一类间距；所述类间距表征所述M个不同的行人之间的差异度；/n根据预设更新策略更新所述M个类中心特征向量；其中，任意两个更新后的类中心特征向量之间的间距为第二类间距，所述第二类间距大于所述第一类间距；/n获取样本图像集合；其中，所述样本图像集合中包括N个样本图像；所述N为大于所述M的整数；/n基于更新后的M个类中心特征向量和所述样本图像集合对所述待训练行人特征提取模型进训练，得到行人特征提取模型，其中，所述行人特征提取模型用于获取行人图像的特征向量。/n

【技术特征摘要】
1.一种行人特征提取模型的训练方法，其特征在于，所述方法包括：
通过待训练行人特征提取模型的分类层获取M个类中心特征向量；其中，所述M为大于1的整数；所述M个类中心特征向量与M个不同的行人具有一一对应关系；任意两个所述类中心特征向量的类间距为第一类间距；所述类间距表征所述M个不同的行人之间的差异度；
根据预设更新策略更新所述M个类中心特征向量；其中，任意两个更新后的类中心特征向量之间的间距为第二类间距，所述第二类间距大于所述第一类间距；
获取样本图像集合；其中，所述样本图像集合中包括N个样本图像；所述N为大于所述M的整数；
基于更新后的M个类中心特征向量和所述样本图像集合对所述待训练行人特征提取模型进训练，得到行人特征提取模型，其中，所述行人特征提取模型用于获取行人图像的特征向量。


2.根据权利要求1所述的行人特征提取模型的训练方法，其特征在于，所述根据预设更新策略更新所述M个类中心特征向量的步骤，包括：
计算所述M个类中心特征向量对应的平均类中心特征向量和任意一个类中心特征向量与所述平均类中心特征向量之间的夹角；
根据预设的角度调整参数、任意一个类中心特征向量与所述平均类中心特征向量之间的夹角更新所述M个类中心特征向量。


3.根据权利要求2所述的行人特征提取模型的训练方法，其特征在于，所述更新后的M个类中心特征向量满足如下关系式：



其中，和分别表征第j个类中心特征向量和更新后的第j个类中心特征向量，j＝1,2,...,M；表征所述平均类中心特征向量；θj表征第j个类中心特征向量与所述平均类中心特征向量之间的夹角；λ表征所述角度调整参数；|·|表征向量的模。


4.根据权利要求1所述的行人特征提取模型的训练方法，其特征在于，所述N个样本图像包含M个训练样本图像与R个测试样本图像；所述M与所述R的总和为所述N；所述基于更新后的M个类中心特征向量和所述样本图像集合对所述待训练行人特征提取模型进训练，得到行人特征提取模型的步骤，包括：
基于更新后的所述M个类中心特征向量和所述M个训练样本图像对所述待训练行人特征提取模型进行预设迭代次数的训练，获得训练后的所述待训练行人特征提取模型；
当利用训练后的所述待训练行人特征提取模型对所述R个测试样本进行测试时的测试指标保持不变时，则所述训练后的待训练行人特征提取模型为行人特征模型。


5.一种行人识别方法，其特征在于，所述方法包括：
获取待搜索图像和比对图像库；其中，所述待搜索图像中包括目标行人；所述比对图像库中包含多张比对图像；
通过所述行人特征提...

【专利技术属性】
技术研发人员：樊强，
申请(专利权)人：重庆紫光华山智安科技有限公司，
类型：发明
国别省市：重庆;50