一种行人重识别的方法和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重识别的方法和装置，所述方法包括：获取多个图像数据，并对所述多个图像数据进行行人信息标注，得到标注数据集，所述标注的行人信息至少包括图像数据中行人对象的身份标识、所述行人对象的人体解释信息，以及所述行人对象的人体属性信息；从所述标注数据集中，确定训练数据集；根据所述标注的行人信息，生成针对所述行人对象的人体掩码信息，并根据所述人体掩码信息，对所述训练数据集进行扩充；采用所述扩充后的训练数据集进行深度学习，得到目标网络模型，以采用所述网络模型进行行人重识别。通过本发明专利技术实施例，实现了对行人重识别的优化，提升了识别的准确性。

【技术实现步骤摘要】
一种行人重识别的方法和装置
本专利技术涉及图像识别领域，特别是涉及一种行人重识别的方法和装置。
技术介绍
行人重识别技术是利用计算机视觉技术判断图像或者视频是否存在特定行人的技术，该技术主要应用方式为给定一个行人的图像或者视频，检索跨设备下的该行人对应的图像或者视频，以此获得身份上的确认和统一。在实际应用中，行人重识别技术可与行人检测技术以及行人跟踪技术相结合来实现更加复杂的目的，该技术可以广泛应用于智能安保、智能楼宇和智慧商场中，拥有巨大的经济价值。行人重识别技术一直是图像识别领域研究的重点方向，影响行人重识别效果的主要因素有光照、分辨率、视角、姿势和遮挡等，行人重识别通常包含三个步骤：首先对获取行人图像或者视频做预处理，接着对预处理结果提取特征表示，最后利用特征表示比对来得到行人重识别结果。行人重识别的核心问题是如何根据图像或视频提取行人鲁棒的特征表示，传统的行人重识别方法基于人工经验设计特征，其学习的特征针对复杂的现实场景较难保证类内相似度大于类间相似度，影响识别的准确性。专利技术内容鉴于上本文档来自技高网...

【技术保护点】
1.一种行人重识别的方法，其特征在于，所述方法包括：/n获取多个图像数据，并对所述多个图像数据进行行人信息标注，得到标注数据集，所述标注的行人信息至少包括图像数据中行人对象的身份标识、所述行人对象的人体解释信息，以及所述行人对象的人体属性信息；/n从所述标注数据集中，确定训练数据集；/n根据所述标注的行人信息，生成针对所述行人对象的人体掩码信息，并根据所述人体掩码信息，对所述训练数据集进行扩充；/n采用所述扩充后的训练数据集进行深度学习，得到目标网络模型，以采用所述网络模型进行行人重识别。/n

【技术特征摘要】
1.一种行人重识别的方法，其特征在于，所述方法包括：
获取多个图像数据，并对所述多个图像数据进行行人信息标注，得到标注数据集，所述标注的行人信息至少包括图像数据中行人对象的身份标识、所述行人对象的人体解释信息，以及所述行人对象的人体属性信息；
从所述标注数据集中，确定训练数据集；
根据所述标注的行人信息，生成针对所述行人对象的人体掩码信息，并根据所述人体掩码信息，对所述训练数据集进行扩充；
采用所述扩充后的训练数据集进行深度学习，得到目标网络模型，以采用所述网络模型进行行人重识别。


2.根据权利要求1所述的方法，其特征在于，还包括：
从所述标注数据集中，确定验证数据集；
根据所述目标网络模型，生成所述验证数据集的行人信息预测结果；
根据所述验证数据集标注的行人信息，确定所述行人信息预测结果中各个行人信息的准确率；
按照所述准确率，对所述行人信息进行排序，得到最优行人信息集。


3.根据权利要求2所述的方法，其特征在于，还包括：
从所述标注数据集中，确定测试数据集；其中，所述测试数据集包括测试查询数据集和测试候选数据集；
根据所述测试查询数据集、所述测试候选数据集，以及所述最优行人信息集，获得所述目标数据模型进行行人重识别的相似性测试结果。


4.根据权利要求1或2或3所述的方法，其特征在于，所述深度学习的方式包括以下任一项或多项：
针对所述身份标识的深度学习、针对所述人体解释信息的深度学习、针对所述人体属性信息的深度学习。


5.根据权利要求4所述的方法，其特征在于，每种深度学习的方式具有对应的损失函数。


6.一种行人重识别的装置，其特征在于，所述装置包括：
数据标注模块，用于获取多个图像数据，并对所述多个图像...

【专利技术属性】
技术研发人员：李大铭，邓练兵，
申请(专利权)人：珠海大横琴科技发展有限公司，
类型：发明
国别省市：广东;44