特征提取方法、目标重识别方法、装置及电子设备制造方法及图纸

本发明专利技术涉及图像处理技术领域，具体涉及特征提取方法、目标重识别方法、装置及电子设备。其中特征提取方法包括：获取目标图像；将所述目标图像输入特征提取网络中，并利用所述特征提取网络中的至少一个卷积单元对所述目标图像进行特征提取，得到所述目标图像的特征；其中，所述卷积单元包括至少两个并行的卷积层且所述卷积层之间的卷积核尺寸不同。所述的特征提取方法，由于小尺寸的卷积核获取低分辨率并获得更高的精度和效率；大尺寸的卷积核则获取更多细节的高分辨率，大尺寸的卷积核在深层可以获得更好的准确率。因此，通过将多个尺寸的卷积核融合进了一个卷积单元中，可以在有效降低模型大小的同时，也能保证特征提取的准确率。

【技术实现步骤摘要】
特征提取方法、目标重识别方法、装置及电子设备
本专利技术涉及图像处理
，具体涉及特征提取方法、目标重识别方法、装置及电子设备。
技术介绍
目标重识别技术是利用待追踪的目标图像，在图像库或视频序列中检索出不同监控设备下相同目标的图像。现如今，在视频结构化的诸多应用中，特别是在安防领域，有着非常重要的作用。目前目标重识别面临的主要挑战有：因为天气、视角或者监控设备的本身硬件等问题，造成所提取的特征的准确率偏低，从而错误识别目标，甚至无法识别。而且在目标密集或者拍摄角度等特殊场景下，目标会被遮挡，导致目标在图像中只有局部区域，能够用于目标识别的特征较少，进而导致目标重识别的准确率较低。以车辆重识别为例，因为同车型的不同车辆除了车牌号，在外观上是一模一样的，而且即使是同一辆车，在不同视角下也会有很大的差异。然而，基于传统的车牌识别的方法中，会因为上述的天气等原因导致特征提取的准确率偏低，进而导致错误识别车牌号。
技术实现思路
有鉴于此，本专利技术实施例提供了一种特征提取方法、目标重识别方法、装置及电子设备，以解决特征提取所导致的车辆重识别的准确率低的问题。根据第一方面，本专利技术实施例提供了一种特征提取方法，包括：获取目标图像；将所述目标图像输入特征提取网络中，并利用所述特征提取网络中的至少一个卷积单元对所述目标图像进行特征提取，得到所述目标图像的特征；其中，所述卷积单元包括至少两个并行的卷积层且所述卷积层之间的卷积核尺寸不同。本专利技术实施例提供的特征提取方法，由于小尺寸的卷积核获取低分辨率并获得更高的精度和效率，小卷积核在浅层可以节省计算成本；大尺寸的卷积核则倾向于以更多的参数和计算为代价，获取更多细节的高分辨率，大尺寸的卷积核在深层可以获得更好的准确率。因此，通过将多个尺寸的卷积核融合进了一个卷积单元中，可以在有效降低模型大小的同时，也能保证特征提取的准确率。结合第一方面，在第一方面第一实施方式中，所述目标图像还带有标注信息，所述标注信息包括所述目标图像中至少一个属性区域的位置信息以及类别标签；所述特征提取网络包括至少一种类别的局部特征提取网络；其中，将所述目标图像输入特征提取网络中，并利用所述特征提取网络中的至少一个卷积单元对所述目标图像进行特征提取，得到所述目标图像的特征，包括：利用所述属性区域的位置信息，从所述目标图像提取所述属性区域的图像；基于所述类别标签将所述属性区域的图像输入相应的局部特征提取网络中，并利用所述特征提取网络中的至少一个卷积单元对所述属性区域进行特征提取，得到所述属性区域的特征；其中，所述卷积单元包括至少两个并行的卷积层且所述卷积层之间的卷积核尺寸不同；基于所述属性区域的特征，得到所述目标图像的特征。本专利技术实施例提供的特征提取方法，利用标注信息确定属性区域的位置，再利用属性区域的位置从目标图像提取相应的属性区域的图像，较以往只是单纯的把图像均匀分为多个块状，并把这些块状图像作为属性区域的做法，能够使特征的提取更关注于目标本身的特征，而减少了背景信息的干扰，一定程度上提升了特征提取的准确度。结合第一方面第一实施方式，在第一方面第二实施方式中，所述利用所述特征提取网络中的至少一个卷积单元对所述属性区域进行特征提取，得到所述属性区域的特征，包括：利用输入所述卷积单元的图像的通道数量以及所述并行的卷积层的数量，对输入所述卷积单元的图像进行通道分组；将通道分组后的图像输入对应的卷积层中并利用所述卷积核进行特征提取，以得到所述属性区域的特征。本专利技术实施例提供的特征提取方法，由于同一图像在电子设备中是按照通道存储的，那么利用输入卷积单元的图像的通道数量以及并行的卷积层的数量进行通道分组，只需按照通道的不同对图像进行划分，而不需要对图像进行额外的操作，提高了特征提取的效率。结合第一方面第二实施方式，在第一方面第三实施方式中，所述利用所述特征提取网络中的至少一个卷积单元对所述属性区域进行特征提取，以得到所述属性区域的特征，还包括：提取所述类别标签相同的属性区域的特征；对提取出的属性区域的特征进行特征融合，得到对应于同一所述类别标签的所述属性区域的特征。本专利技术实施例提供的特征提取方法，由于属于同一类别标签的属性区域可能有多个，即出现多对一的情况，且特征融合所需的计算量非常少，进行特征融合的处理只占用了很少的计算资源，又减少了特征存储所需要的空间，减少了后续重识别过程中的计算量，提升了计算效率。结合第一方面第一实施方式，在第一方面第四实施方式中，所述获取目标图像的之后，还包括：将所述目标图像输入属性分析网络中，得到所述带有标注信息的目标图像。本专利技术实施例提供的特征提取方法，利用属性分析网络直接得到目标图像的标注信息，能够避免手工标注带来的位置信息不准确的问题。结合第一方面，或第一方面第一实施方式至第一方面第四实施方式中的任一项，在第一方面第四实施方式中，所述特征提取网络包括全局特征提取网络；其中，所述将所述目标图像输入特征提取网络中，并利用所述特征提取网络中的至少一个卷积单元对所述目标图像进行特征提取，得到所述目标图像的特征，包括：将所述目标图像输入所述全局特征提取网络中，得到所述目标图像的全局特征。结合第一方面第五实施方式，在第一方面第六实施方式中，当所述特征提取网络包括卷据特征提取网络以及至少一种类别的局部特征提取网络时，所述基于所述属性区域的特征，得到所述目标图像的特征，包括：将所述目标图像输入特征提取网络中，输出所述目标图像的全局特征；对所述属性区域的特征以及所述全局特征进行拼接，得到所述目标图像的特征。本专利技术实施例提供的特征提取方法，通过将全局特征与局部特征进行拼接得到目标图像的特征，提高提取出的目标图像特征的准确性。根据第二方面，本专利技术实施例还提供了一种目标重识别方法，包括：获取目标图像；根据本专利技术第一方面，或第一方面任一项实施方式中所述的特征提取方法对所述目标图像进行特征提取，得到所述目标图像的特征；基于所述目标图像的特征，确定候选图像中与所述目标图像属于同一目标的图像。本专利技术实施例提供的目标重识别方法，由于提取出的特征的准确性能够利用上述的特征提取方法得到保证，那么在此基础上，能够保证目标重识别的准确性。结合第二方面，在第二方面第一实施方式中，所述基于所述目标图像的特征，确定与所述目标图像属于同一目标的图像，包括：获取候选图像的特征；计算所述目标图像的特征与所述候选图像的特征之间的距离；基于计算出的距离，确定所述候选图像中与所述目标图像属于同一目标的图像。根据第三方面，本专利技术实施例还提供了一种特征提取装置，包括：第一获取模块，用于获取目标图像；第一特征提取模块，用于将所述目标图像输入特征提取网络中，并利用所述特征提取网络中的至少一个卷积单元对所述目标图像进行特征提取，得到所述目标图像的特征；其中，所述卷积单本文档来自技高网...

【技术保护点】
1.一种特征提取方法，其特征在于，包括：/n获取目标图像；/n将所述目标图像输入特征提取网络中，并利用所述特征提取网络中的至少一个卷积单元对所述目标图像进行特征提取，得到所述目标图像的特征；其中，所述卷积单元包括至少两个并行的卷积层且所述卷积层之间的卷积核尺寸不同。/n

【技术特征摘要】
1.一种特征提取方法，其特征在于，包括：
获取目标图像；
将所述目标图像输入特征提取网络中，并利用所述特征提取网络中的至少一个卷积单元对所述目标图像进行特征提取，得到所述目标图像的特征；其中，所述卷积单元包括至少两个并行的卷积层且所述卷积层之间的卷积核尺寸不同。


2.根据权利要求1所述的方法，其特征在于，所述目标图像还带有标注信息，所述标注信息包括所述目标图像中至少一个属性区域的位置信息以及类别标签；所述特征提取网络包括至少一种类别的局部特征提取网络；
其中，将所述目标图像输入特征提取网络中，并利用所述特征提取网络中的至少一个卷积单元对所述目标图像进行特征提取，得到所述目标图像的特征，包括：
利用所述属性区域的位置信息，从所述目标图像提取所述属性区域的图像；
基于所述类别标签将所述属性区域的图像输入相应的局部特征提取网络中，并利用所述局部特征提取网络中的至少一个卷积单元对所述属性区域进行特征提取，得到所述属性区域的特征；
基于所述属性区域的特征，得到所述目标图像的特征。


3.根据权利要求2所述的方法，其特征在于，所述利用所述特征提取网络中的至少一个卷积单元对所述属性区域进行特征提取，得到所述属性区域的特征，包括：
利用输入所述卷积单元的图像的通道数量以及所述并行的卷积层的数量，对输入所述卷积单元的图像进行通道分组；
将通道分组后的图像输入对应的卷积层中并利用所述卷积核进行特征提取，以得到所述属性区域的特征。


4.根据权利要求3所述的方法，其特征在于，所述利用所述特征提取网络中的至少一个卷积单元对所述属性区域进行特征提取，以得到所述属性区域的特征，还包括：
提取所述类别标签相同的属性区域的特征；
对提取出的属性区域的特征进行特征融合，得到对应于同一所述类别标签的所述属性区域的特征。


5.根据权利要求2所述的方法，其特征在于，所述获取目标图像的之后，还包括：
将所述目标图像输入属性分析网络中，得到所述带有标注信息的目标图像。


6.根据权利要求1-5中任一项所述的方法，其特征在于，所述特征提取网络包括全局特征提取网络；其中，所述将所述目标图像输入特征提取网络中，...

【专利技术属性】
技术研发人员：张鑫垒，晋兆龙，邹文艺，
申请(专利权)人：苏州科达科技股份有限公司，
类型：发明
国别省市：江苏;32