一种目标重识别方法、装置、设备及存储介质制造方法及图纸

本申请实施例提供一种目标重识别方法、装置、设备及存储介质，其中，所述方法包括：确定获取的待识别图像的色彩通道数；将包括目标对象的目标图像，分解为色彩通道数与所述待识别图像的色彩通道数相同的多个通道图像，得到通道图像集合；对所述通道图像集合中的通道图像和所述待识别图像进行特征提取，分别得到通道图像特征集合和待识别图像特征；基于所述通道图像特征集合和待识别图像特征，确定所述待识别图像中的待识别对象与所述目标对象的相似度，以得到识别结果。以得到识别结果。以得到识别结果。

【技术实现步骤摘要】
一种目标重识别方法、装置、设备及存储介质


[0001]本申请实施例涉及图像处理
，涉及但不限于一种目标重识别方法、装置、设备及存储介质。

技术介绍

[0002]在跨模态(比如，可见光到红外光)行人重识别方法中，通过直接匹配可见光(Visual Identification System，VIS)图像与IR图像的方式实现。在实现过程中，由于VIS图像与红外(Infrared，IR)图像在特征空间中存在比较大的模态差异，使得两类图像不容易聚类，从而影响了对IR图像的进行行人重识别的准确度。

技术实现思路

[0003]本申请实施例提供一种目标重识别技术方案。
[0004]本申请实施例的技术方案是这样实现的：
[0005]本申请实施例提供一种目标重识别方法，所述方法包括：
[0006]确定获取的待识别图像的色彩通道数；
[0007]将包括目标对象的目标图像，分解为色彩通道数与所述待识别图像的色彩通道数相同的多个通道图像，得到通道图像集合；
[0008]对所述通道图像集合中的通道图像和所述待识别图像进行特征提取，分别得到通道图像特征集合和待识别图像特征；
[0009]基于所述通道图像特征集合和待识别图像特征，确定所述待识别图像中的待识别对象与所述目标对象的相似度，以得到识别结果。
[0010]本申请实施例提供一种目标重识别装置，所述装置包括：
[0011]第一确定模块，用于确定获取的待识别图像的色彩通道数；
[0012]第一分解模块，用于将包括目标对象的目标图像，分解为色彩通道数与所述待识别图像的色彩通道数相同的多个通道图像，得到通道图像集合；
[0013]第一提取模块，用于对所述通道图像集合中的通道图像和所述待识别图像进行特征提取，分别得到通道图像特征集合和待识别图像特征；
[0014]第二确定模块，用于基于所述通道图像特征集合和待识别图像特征，确定所述待识别图像中的待识别对象与所述目标对象的相似度，以得到识别结果。
[0015]对应地，本申请实施例提供一种目标重识别设备，所述目标重识别设备包括存储器和处理器，所述存储器上存储有计算机可执行指令，所述处理器运行所述存储器上的计算机可执行指令时，能够实现上述所述的方法的步骤。
[0016]本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机可执行指令，该计算机可执行指令被执行后，能够实现上述所述的方法的步骤。
[0017]本申请实施例提供一种目标重识别方法、装置、设备及存储介质，首先，通过确定待识别图像的色彩通道数，将目标图像分解为与待识别图像通道数相同的多个通道图像，
如此，能够显著降低图像之间由于通道不一致导致的模态间的差异；然后，采用多个通道图像的图像特征与待识别图像特征进行匹配，以确定待识别图像中的待识别对象与目标对象的相似度，从而识别出待识别对象是否为目标对象；如此，能够提升跨模态目标重识别的准确度。
附图说明
[0018]图1为本申请实施例目标重识别方法的实现流程示意图；
[0019]图2为本申请实施例提供的目标重识别方法的另一实现流程示意图；
[0020]图3为本申请其他实施例提供的目标重识别方法的另一实现流程示意图；
[0021]图4为本申请实施例提供的目标重识别方法的再一实现流程示意图；
[0022]图5为本申请实施例提供的目标重识别方法的实现框架示意图；
[0023]图6为本申请实施例目标重识别装置的结构组成示意图；
[0024]图7为本申请实施例目标重识别设备的组成结构示意图。
具体实施方式
[0025]为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对专利技术的具体技术方案做进一步详细描述。以下实施例用于说明本申请，但不用来限制本申请的范围。
[0026]在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。
[0027]在以下的描述中，所涉及的术语“第一\第二\第三”仅仅是是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。
[0028]除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的
的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。
[0029]对本申请实施例进行进一步详细说明之前，对本申请实施例中涉及的名词和术语进行说明，本申请实施例中涉及的名词和术语适用于如下的解释。
[0030]1)行人重识别：是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术。给定一个监控目标图像，检索跨设备下的该目标图像。旨在弥补固定的摄像头的视觉局限，并可与行人检测/行人跟踪技术相结合，可广泛应用于智能视频监控、智能安保等领域。
[0031]2)跨模态：在其他实施例中，模态内容(文本、图像、视频、音频、传感器数据等)。跨模态学习进行联合特征学习和跨模态关系建模，旨在有效地利用不同模态内容的相关性进行系统性能优化。在本申请实施例中，跨模态可以理解为是从可见光图像到近红外图像。
[0032]下面说明本申请实施例提供的目标重识别的设备的示例性应用，本申请实施例提供的设备可以实施为具有图像采集功能的笔记本电脑，平板电脑，台式计算机，相机，移动
设备(例如，个人数字助理，专用消息设备，便携式游戏设备)等各种类型的用户终端，也可以实施为服务器。下面，将说明设备实施为终端或服务器时示例性应用。
[0033]该方法可以应用于目标重识别设备，该方法所实现的功能可以通过目标重识别设备中的处理器调用程序代码来实现，当然程序代码可以保存在计算机可读存储介质中，可见，该目标重识别设备至少包括处理器和存储介质。
[0034]图1为本申请实施例目标重识别方法的实现流程示意图，如图1所示，结合图1所示的步骤进行说明：
[0035]步骤S101，确定获取的待识别图像的色彩通道数。
[0036]在一些实施例中，待识别图像可以是存储于本地终端(如：手机、平板电脑、笔记本电脑等等)的图像集；也可以将视频中的任意帧图像作为待识别图像，还可以从视频中任意帧图像中检测出脸部区域图像，并将该脸部区域图像作为待识别图像。待识别图像可以是色彩单通道图像，比如，近红外图像或灰度图像等，还可以是色彩多通道图像，比如，可见光图像等。如果待识别图像为色彩单通道图像，那么待识别图像的色彩通道数为1，如果待识别图像为红黄蓝(Red Green Blue，RGB)图像，那么色彩通道分别为R通道、G通道和B通道，即色彩通道数为3。在本申请实施例中，以待识别图像为近红外图像为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标重识别方法，其特征在于，所述方法包括：确定获取的待识别图像的色彩通道数；将包括目标对象的目标图像，分解为色彩通道数与所述待识别图像的色彩通道数相同的多个通道图像，得到通道图像集合；对所述通道图像集合中的通道图像和所述待识别图像进行特征提取，分别得到通道图像特征集合和待识别图像特征；基于所述通道图像特征集合和待识别图像特征，确定所述待识别图像中的待识别对象与所述目标对象的相似度，以得到识别结果。2.根据权利要求1所述的方法，其特征在于，所述基于所述通道图像特征集合和待识别图像特征，确定所述待识别图像中的待识别对象与所述目标对象的相似度，以得到识别结果，包括：对所述通道图像特征集合中的通道图像特征进行融合，得到第一融合特征；基于所述第一融合特征和所述待识别图像特征，确定所述待识别对象与所述目标对象的相似度，以得到识别结果。3.根据权利要求1或2所述的方法，其特征在于，如果所述待识别图像为色彩单通道图像，所述将包括目标对象的目标图像，分解为色彩通道数与所述待识别图像的色彩通道数相同的通道图像，得到通道图像集合，包括：确定所述目标图像的色彩通道数；基于所述目标图像的色彩通道数，将所述目标图像分解为具有单色彩通道的通道图像，得到所述通道图像集合。4.根据权利要求2所述的方法，其特征在于，所述对所述通道图像集合中的通道图像和所述待识别图像进行特征提取，分别得到通道图像特征集合和待识别图像特征，包括：确定所述通道图像集合中的通道图像的数量N；其中，N为大于0的整数；获取具有N个分支的神经网络；将第i个通道图像和所述待识别图像，输入所述神经网络的第i分支进行特征提取，得到第i个通道图像特征和第i待识别图像特征；其中，i为大于0且小于等于N的整数；将N个通道图像和N个所述待识别图像，一一对应地输入所述神经网络的N个分支中进行特征提取，得到N个通道图像特征和N个待识别图像特征。5.根据权利要求4所述的方法，其特征在于，所述对所述通道图像特征集合中的通道图像特征进行融合，得到第一融合特征，包括：将所述通道图像特征集合中的N个通道图像特征，在长度上进行拼接，得到所述第一融合特征；对应地，所述基于所述第一融合特征和所述待识别图像特征，确定所述待识别对象与所述目标对象的相似度，以得到识别结果，包括：将N个所述待识别图像特征，在长度上进行拼接，得到所述第二融合特征；基于所述第一融合特征和所述...

【专利技术属性】
技术研发人员：张玉康，谭磊，谢佩博，申省梅，马原，
申请(专利权)人：北京澎思科技有限公司，
类型：发明
国别省市：