【技术实现步骤摘要】
目标对象的重识别方法及装置、存储介质、电子装置
[0001]本专利技术实施例涉及通信领域,具体而言,涉及一种目标对象的重识别方法及装置、存储介质、电子装置。
技术介绍
[0002]车辆重识别是图像检索的子问题,其主要目的是通过一张车辆图像检索同一辆车的其他图像,通常的应用场景为交通监控、城市安防、公安刑侦等,在实际应用场景中,车辆的姿态、分辨率有可能发生较大变化,车身部分很可能被遮挡,这是车辆重识别的难点所在。深度学习技术常被用于车辆重识别。
[0003]现有技术中对车辆的识别方案中无法应对较大面积的车辆遮挡问题,在实际应用场景下,车辆常被道路广告牌、行道树或者其他车辆遮挡,车辆只剩下局部有效区域,对于车辆局部区域的特征提取并没有做优化,其特征会不准确,导致车辆重识别效果下降。
[0004]针对上述技术问题,相关技术中尚未提出有效的解决方案。
技术实现思路
[0005]本专利技术实施例提供了一种目标对象的重识别方法及装置、存储介质、电子装置,以至少解决相关技术中对车辆的识别不准确的问题。
[0006]根据本专利技术的一个实施例,提供了一种目标对象的重识别方法,包括:利用训练后的目标模型确定目标图像的N
×
N个图像区域的图像特征,其中,上述N是大于或等于1的自然数;基于上述目标图像中的预设图像区域,与上述N
×
N个图像区域中每个图像区域的交集面积,确定N
×
N个交集面积;基于上述N
×
N个交集面积,从上述N< ...
【技术保护点】
【技术特征摘要】
1.一种目标对象的重识别方法,其特征在于,包括:利用训练后的目标模型确定目标图像的N
×
N个图像区域的图像特征,其中,所述N是大于或等于1的自然数;基于所述目标图像中的预设图像区域,与所述N
×
N个图像区域中每个图像区域的交集面积,确定N
×
N个交集面积;基于所述N
×
N个交集面积,从所述N
×
N个图像区域的图像特征中确定出所述预设图像区域对应的图像特征;基于所述预设图像区域对应的图像特征确定所述目标对象的重识别结果。2.根据权利要求1所述的方法,其特征在于,所述训练后的目标模型包括N
×
N个子模型,其中,所述N
×
N个子模型用于确定所述目标图像的N
×
N个图像区域的图像特征,所述N
×
N个子模型中每个子模型对应确定所述N
×
N个图像区域中每个图像区域的图像特征。3.根据权利要求2所述的方法,其特征在于,确定所述训练后的目标模型,包括:提取样本图像的初步特征;对所述初步特征进行池化,得到N
×
N个样本子特征,其中,所述N
×
N个样本子特征中的样本子特征对应于所述样本图像的N
×
N个样本区域中的任一个样本图像区域;基于所述N
×
N个样本子特征,分别对所述N
×
N个子模型中各个子模型执行图像处理,得到所述N
×
N个样本子特征的分类值;基于损失函数确定所述N
×
N个样本子特征的分类值的N
×
N个分类损失值;基于所述N
×
N个分类损失值,对所述目标模型的参数进行调整,得到所述训练后的目标模型。4.根据权利要求3所述的方法,其特征在于,基于所述N
×
N个样本子特征,分别对所述N
×
N个子模型中各个子模型执行图像处理,得到所述N
×
N个样本子特征的分类值,包括:从所述N
×
N个样本子特征中选取一个未使用的样本子特征;将选取出的所述未使用的样本子特征输入所述N
×
N个子模型中的一个子模型;基于所述N
×
N个子模型中的一个子模型中的全连接层,确定选取出的样本图像区域对应的样本图像区域的特征;将所述样本图像区域的特征输入所述N
×
N个子模型中的一个子模型中的分类层,得到所述N
×<...
【专利技术属性】
技术研发人员:张兴明,夏鲁宾,张雷,
申请(专利权)人:浙江大华技术股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。