图像重识别方法、设备、电子装置和存储介质制造方法及图纸

本申请涉及一种图像重识别方法、设备、电子装置和存储介质，其中，该图像重识别方法包括：对待处理图像包含的待处理目标进行特征提取，获取待处理目标的特征图像，然后基于多个不同尺寸的池化核，对特征图像进行池化，获取待处理图像的图像特征；在确定参考图像的图像特征之后，根据待处理图像的图像特征和参考图像的图像特征之间的相似度，确定待处理图像包含的待处理目标和参考图像包含的参考目标是否一致。通过本申请，解决了相关技术中在识别图像中目标的尺度不同的情况下，特征匹配的准确率仍然较低的问题，提高了图像中目标重识别的准确率。的准确率。的准确率。

【技术实现步骤摘要】
图像重识别方法、设备、电子装置和存储介质


[0001]本申请涉及图像处理
，特别是涉及图像重识别方法、设备、电子装置和存储介质。

技术介绍

[0002]重识别(reidentification，简称为ReID)是判断不同拍摄设备下记录的目标是否为同一目标的问题。具体来说，重识别利用深度神经网络，包括卷积、池化等操作，提取抓拍图像的特征向量，然后根据特征向量之间相似性判定是否为同一目标。但在实际场景中，由于场景多样，导致抓拍的目标图像存在光照变化、角度变化，目标相互遮挡等问题，甚至目标图像中存在衣着极其相似的目标，进而影响深度神经网络提取的特征向量的准确度，造成目标之间的错误匹配。
[0003]在相关技术中，使用全局特征和局部特征的结合来提高特征识别的准确度，但是不同识别图像中目标可能存在远景、中景和近景的差别，所以在识别图像中目标的尺度不同的情况下，特征匹配的准确率仍然较低。
[0004]目前针对相关技术中在识别图像中目标的尺度不同的情况下，特征匹配的准确率仍然较低的问题，尚未提出有效的解决方案。/>
技术实现思路
...

【技术保护点】

【技术特征摘要】
1.一种图像重识别方法，其特征在于，包括：对待处理图像包含的待处理目标进行特征提取，获取所述待处理目标的特征图像；基于多个不同尺寸的池化核，对所述特征图像进行池化，获取所述待处理图像的图像特征；确定参考图像的图像特征；根据所述待处理图像的图像特征和所述参考图像的图像特征之间的相似度，确定所述待处理图像包含的待处理目标和所述参考图像包含的参考目标是否一致。2.根据权利要求1所述的图像重识别方法，其特征在于，所述基于多个不同尺寸的池化核，对所述特征图像进行池化，获取所述待处理图像的图像特征包括：基于多个不同尺寸的全局池化核，将所述特征图像进行全局池化，得到多个全局池化特征；基于多个不同尺寸的局部池化核，将所述特征图像进行局部池化，得到多个局部池化特征；多个所述全局池化特征与多个所述局部池化特征构成所述待处理图像的图像特征。3.根据权利要求2所述的图像重识别方法，其特征在于，所述基于多个不同尺寸的全局池化核，将所述特征图像进行全局池化，得到多个全局池化特征包括：根据不同的全局卷积核对所述待处理图像进行卷积计算，得到多个卷积图像，对多个卷积图像进行分组得到多个卷积图像组；对各个卷积图像组以对应的全局池化核进行池化，得到多个全局池化特征。4.根据权利要求2所述的图像重识别方法，其特征在于，所述基于多个不同尺寸的局部池化核，将所述特征图像进行局部池化，得到多个局部池化特征包括：对所述特征图像进行水平划分，得到多个水平条目组；对于一个水平条目组，以不同的局部卷积核对所述水平条目组中水平划分后的特征图像进行卷积计算，得到多个卷积图像；将所述水平条目组的所有卷积图像再次进行分组，得到多个卷积图像组；对各个卷积图像组，以对应的局部池化核对所述卷积图像组的所有所述卷积图像进行池化，得到多个卷积图像组的局部池化特征；依次对所有的水平条目组进行池化，得到所有水平条目组的多个局部池化特征。5.根据权利要求2所述的图像重识别方法，其特征在于，所述根据所述待处理图像的图像特征和所述参考图像的图像特征之间的相似度，确定所述待处理图像包含的待处理目标和所述参考图像包含的参考目标是否一致包括：将所述待处理图像的多个全局池化特征与多个局部池化特征进行融合，得到所述待处理图像的综合特征；确定所述参考图像的综合特征；根据所述待处理图像的综合特征与所述参考图像的综合特征之间的相似度，判断所述待处理图像包含的待处理目标和所述参考图...

【专利技术属性】
技术研发人员：周玉凯，
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：