特征信息提取方法、模型训练方法、装置及电子设备制造方法及图纸

本申请提供了一种特征信息提取方法、模型训练方法、装置及电子设备，所述特征信息提取方法包括：获取待处理图像；对待处理图像进行特征提取，获得待处理图像的整体特征信息；将整体特征信息分别输入候选框位置识别模块、候选框分类模块及候选框特征提取模块进行处理，获得根据整体特征信息识别出的各候选框对应的候选框位置特征信息、候选框分类特征信息以及候选框内图像特征信息。如此，在将根据这些特征信息进行后续跟踪识别时，即使出现人脸重叠或未识别到人脸的图像帧，还可以依据候选框内的图像特征信息进行行人Reid，可以减少多目标跟踪时的ID丢失问题。标跟踪时的ID丢失问题。标跟踪时的ID丢失问题。

【技术实现步骤摘要】
特征信息提取方法、模型训练方法、装置及电子设备


[0001]本申请涉及图像处理
，具体而言，涉及一种特征信息提取方法、模型训练方法、装置及电子设备。

技术介绍

[0002]在动态人脸识别系统中，通常需要先对人脸进行初步识别，然后跟踪人脸的移动，在同一人脸的移动轨迹中找到一张最优的人脸图像来进行后续的人脸识别或者人脸属性分析。
[0003]但是传统的基于Sort的多目标跟踪框架在计算框和轨迹距离的时候并没有引入行人重识别(Re
‑
identification，Reid)信息，仅仅是对人脸进行移动跟踪。这会导致，在出现两个人脸重叠时出现ID丢失的问题。另外，由于人脸活动角度比较大，当人脸出现左右晃动的时候，由于有些帧没检测到人脸，也会导致后面的帧出现ID丢失。

技术实现思路

[0004]为了克服现有技术中的上述不足，本申请的目的在于提供一种特征信息提取方法，所述方法包括：
[0005]获取待处理图像；
[0006]对所述待处理图像进行特征提取，获得所述待处理图像的整体特征信息；
...

【技术保护点】

【技术特征摘要】
1.一种特征信息提取方法，其特征在于，所述方法包括：获取待处理图像；对所述待处理图像进行特征提取，获得所述待处理图像的整体特征信息；将所述整体特征信息分别输入候选框位置识别模块、候选框分类模块及候选框特征提取模块进行处理，获得根据所述整体特征信息识别出的各候选框对应的候选框位置特征信息、候选框分类特征信息以及候选框内图像特征信息。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：根据各候选框的所述候选框位置特征信息、候选框分类特征信息以及候选框内图像特征信息，对所述待处理图像中的人脸进行识别和跟踪。3.根据权利要求1所述的方法，其特征在于，所述对所述待处理图像进行特征提取，获得所述待处理图像的整体特征信息的步骤，包括：通过骨干网络对所述待处理图像进行特征提取，获得第一特征信息；将所述第一特征信息输入跨阶段连接的多层特征金字塔网络进行处理，获得各层级的所述特征金字塔网络输出的第二特征信息作为所述待处理图像的整体特征信息。4.根据权利要求3所述的方法，其特征在于，所述将所述第一特征信息输入跨阶段连接的多层特征金字塔网络进行处理的步骤，包括：将所述第一特征信息分别输入具有层级关系的多层特征金字塔网络；针对多层所述特征金字塔网络中的首层特征金字塔网络，通过该首层特征金字塔网络的自底向上模块和自顶向下模块对输入的数据进行处理，获得该首层特征金字塔网络的自顶向下模块输出的数据作为该层输出的第二特征信息；针对多层所述特征金字塔网络中的每个非首层特征金字塔网络，通过该非首层特征金字塔网络的自底向上模块和自顶向下模块对输入的数据进行处理，将该非首层特征金字塔网络自底向上模块的输出的数据和上一层特征金字塔网络自底向上模块输出的数据融合后，作为该层输出的第二特征信息。5.根据权利要求4所述的方法，其特征在于，所述将所述整体特征信息分别输入候选框位置识别模块、候选框分类模块及候选框特征提取模块进行处理的步骤，包括：分别将各层的所述第二特征信息输入至与各层对应的候选框位置识别模块、候选框分类模块及候选框特征提取模块，获得与各层的候选框位置特征信息、候选框分类特征信息以及候选框内图像特征信息；对各层输出的候选框位置...

【专利技术属性】
技术研发人员：刘业鹏，程骏，谢琨，庞建新，
申请(专利权)人：深圳市优必选科技股份有限公司，
类型：发明
国别省市：