目标重识别方法、相关设备及可读存储介质技术

本申请公开了一种目标重识别方法、相关设备及可读存储介质。在获取待查询目标的图像之后，基于该待查询目标的图像，确定该待查询目标预设多个视角的图像特征；根据该待查询目标预设多个视角的图像特征，以及，查询数据库中各个图像的图像特征，确定该待查询目标的重识别结果。本方案中，待查询目标预设多个视角的图像特征能够充分表达待查询目标的全局信息，可以有效降低因待查询目标视角变化带来的特征差异，因此，能够提升重识别的结果准确度。能够提升重识别的结果准确度。能够提升重识别的结果准确度。

【技术实现步骤摘要】
目标重识别方法、相关设备及可读存储介质


[0001]本申请涉及图像处理
，更具体的说，是涉及一种目标重识别方法、相关设备及可读存储介质。

技术介绍

[0002]目标重识别，是指从一个由多个摄像头拍摄得到的大规模目标监控图像数据库中，搜索并返回与待检索目标图片相同个体的来自其他摄像头的图像。目前比较常用的目标重识别有行人重识别、车辆重识别等。
[0003]现有的目标重识别方案，是使用待查询目标一个视角的图像特征从查询数据库中搜索与待查询目标身份相同的图像。但是，在实际场景中，两个不同的目标在同一视角下可能会出现相似的情况，同一目标在不同视角下可能会出现完全不同的情况，待查询目标一个视角的图像特征往往无法充分表达待查询目标的全局信息，因此，仅仅利用待查询目标一个视角的图像特征进行目标重识别，无法避免待查询目标视角变化带来的特征差异，可能会导致重识别的结果准确度较低。
[0004]因此，如何提升目标重识别的准确度，成为本领域技术人员亟待解决的技术问题。

技术实现思路

[0005]鉴于上述问题，本申请提出了一种目标重识别方法、相关设备及可读存储介质。具体方案如下：
[0006]一种目标重识别方法，所述方法包括：
[0007]获取待查询目标的图像；
[0008]基于所述待查询目标的图像，确定所述待查询目标预设多个视角的图像特征；
[0009]根据所述待查询目标预设多个视角的图像特征，以及，查询数据库中各个图像的图像特征，确定所述待查询目标的重识别结果。/>[0010]可选地，所述基于所述待查询目标的图像，确定所述待查询目标预设多个视角的图像特征，包括：
[0011]将所述待查询目标的图像，输入预设多个视角的图像特征提取模型，所述预设多个视角的图像特征提取模型输出所述待查询目标预设多个视角的初始图像特征；所述预设多个视角的图像特征提取模型是以训练用预设多个视角的图像为训练样本，以训练用预设多个视角的图像标注的目标类别为样本标签，训练得到的；
[0012]基于所述预设多个视角的图像特征提取模型输出所述待查询目标预设多个视角的初始图像特征，确定所述待查询目标预设多个视角的图像特征。
[0013]可选地，当所述待查询目标的图像包括所述预设多个视角中全部视角的图像时，所述基于所述预设多个视角的图像特征提取模型输出所述待查询目标预设多个视角的初始图像特征，确定所述待查询目标预设多个视角的图像特征，包括：
[0014]将所述预设多个视角的图像特征提取模型输出所述待查询目标预设多个视角的
初始图像特征，确定为所述待查询目标预设多个视角的图像特征。
[0015]可选地，当所述待查询目标的图像包括所述预设多个视角中部分视角的图像时，所述基于所述预设多个视角的图像特征提取模型输出所述待查询目标预设多个视角的初始图像特征，确定所述待查询目标预设多个视角的图像特征，包括：
[0016]确定所述待查询目标的图像对应的视角；
[0017]获取所述待查询目标的图像对应的视角的初始图像特征；
[0018]基于所述待查询目标的图像对应的视角的初始图像特征，生成所述待查询目标缺失视角的图像特征；所述缺失视角为所述预设多个不同视角中除所述待查询目标的图像对应的视角之外的视角；
[0019]将所述待查询目标的图像对应的视角的初始图像特征，以及生成的所述待查询目标缺失视角的图像特征，确定为所述待查询目标预设多个视角的图像特征。
[0020]可选地，所述确定所述待查询目标的图像对应的视角，包括：
[0021]将所述待查询目标的图像，输入视角预测模型，所述视角预测模型输出所述待查询目标的图像对应的视角；
[0022]所述视角预测模型是以训练用图像为训练样本，以训练用图像标注的视角为样本标签训练得到的。
[0023]可选地，所述基于所述待查询目标的图像对应的视角的初始图像特征，生成所述待查询目标缺失视角的图像特征，包括：
[0024]将所述待查询目标的图像对应的视角的初始图像特征输入图像特征生成模型，所述图像特征生成模型生成所述待查询目标缺失视角的图像特征；
[0025]所述图像特征生成模型是以训练用图像特征对为训练样本，以第一重构损失、第二重构损失、第三重构损失、第四重构损失及对比损失作为联合损失训练得到的；
[0026]所述训练用图像特征对包括第一训练用图像特征和第二训练用图像特征；所述第一训练用图像特征经过所述图像特征生成模型生成的第一图像特征与所述第一训练用图像特征之间的损失为所述第一重构损失；所述第一训练用图像特征经过所述图像特征生成模型生成的第二图像特征与所述第二训练用图像特征之间的损失为所述第二重构损失；所述第二训练用图像特征经过所述图像特征生成模型生成的第三图像特征与所述第二训练用图像特征之间的损失为所述第三重构损失；所述第二训练用图像特征经过所述图像特征生成模型生成的第四图像特征与所述第一训练用图像特征之间的损失为所述第四重构损失；所述第一训练用图像特征经过所述图像特征生成模型生成的第五图像特征与所述第二训练用图像特征经过所述图像特征生成模型生成的第六图像特征之间的损失为所述对比损失。
[0027]可选地，所述根据所述待查询目标预设多个视角的图像特征，以及，查询数据库中各个图像的图像特征，确定所述待查询目标的重识别结果，包括：
[0028]针对所述查询数据库中的图像，根据所述待查询目标预设多个视角的图像特征，以及，查询数据库中所述图像的图像特征，计算查询数据库中所述图像对应的得分；
[0029]基于查询数据库中各个图像对应的得分，确定所述待查询目标的重识别结果。
[0030]可选地，所述根据所述待查询目标预设多个视角的图像特征，以及，查询数据库中所述图像的图像特征，计算查询数据库中所述图像对应的得分，包括：
[0031]计算查询数据库中所述图像的图像特征与所述待查询目标每个视角的图像特征的相似度得分；
[0032]确定所述预设多个视角的权重；
[0033]基于预设多个视角对应的相似度得分以及预设多个视角对应的权重，计算查询数据库中所述图像对应的得分。
[0034]可选地，当所述待查询目标的图像包括所述预设多个视角中全部视角的图像时，所述确定所述预设多个视角的权重，包括：
[0035]确定查询数据库中所述图像的视角特征及所述待查询目标预设多个视角的视角特征；
[0036]基于查询数据库中所述图像的视角特征及所述待查询目标预设多个视角的视角特征确定所述预设多个视角的权重。
[0037]可选地，当所述待查询目标的图像包括所述预设多个视角中部分视角的图像时，所述确定所述预设多个视角的权重，包括：
[0038]确定查询数据库中所述图像的视角特征、所述待查询目标的图像对应的视角的视角特征及所述待查询目标缺失视角的预设权重；
[0039]根据所述查询数据库中所述图像的视角特征、所述待查询目标的本文档来自技高网...

【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：获取待查询目标的图像；基于所述待查询目标的图像，确定所述待查询目标预设多个视角的图像特征；根据所述待查询目标预设多个视角的图像特征，以及，查询数据库中各个图像的图像特征，确定所述待查询目标的重识别结果。2.根据权利要求1所述的方法，其特征在于，所述基于所述待查询目标的图像，确定所述待查询目标预设多个视角的图像特征，包括：将所述待查询目标的图像，输入预设多个视角的图像特征提取模型，所述预设多个视角的图像特征提取模型输出所述待查询目标预设多个视角的初始图像特征；所述预设多个视角的图像特征提取模型是以训练用预设多个视角的图像为训练样本，以训练用预设多个视角的图像标注的目标类别为样本标签，训练得到的；基于所述预设多个视角的图像特征提取模型输出所述待查询目标预设多个视角的初始图像特征，确定所述待查询目标预设多个视角的图像特征。3.根据权利要求2所述的方法，其特征在于，当所述待查询目标的图像包括所述预设多个视角中全部视角的图像时，所述基于所述预设多个视角的图像特征提取模型输出所述待查询目标预设多个视角的初始图像特征，确定所述待查询目标预设多个视角的图像特征，包括：将所述预设多个视角的图像特征提取模型输出所述待查询目标预设多个视角的初始图像特征，确定为所述待查询目标预设多个视角的图像特征。4.根据权利要求2所述的方法，其特征在于，当所述待查询目标的图像包括所述预设多个视角中部分视角的图像时，所述基于所述预设多个视角的图像特征提取模型输出所述待查询目标预设多个视角的初始图像特征，确定所述待查询目标预设多个视角的图像特征，包括：确定所述待查询目标的图像对应的视角；获取所述待查询目标的图像对应的视角的初始图像特征；基于所述待查询目标的图像对应的视角的初始图像特征，生成所述待查询目标缺失视角的图像特征；所述缺失视角为所述预设多个不同视角中除所述待查询目标的图像对应的视角之外的视角；将所述待查询目标的图像对应的视角的初始图像特征，以及生成的所述待查询目标缺失视角的图像特征，确定为所述待查询目标预设多个视角的图像特征。5.根据权利要求4所述的方法，其特征在于，所述确定所述待查询目标的图像对应的视角，包括：将所述待查询目标的图像，输入视角预测模型，所述视角预测模型输出所述待查询目标的图像对应的视角；所述视角预测模型是以训练用图像为训练样本，以训练用图像标注的视角为样本标签训练得到的。6.根据权利要求4所述的方法，其特征在于，所述基于所述待查询目标的图像对应的视角的初始图像特征，生成所述待查询目标缺失视角的图像特征，包括：将所述待查询目标的图像对应的视角的初始图像特征输入图像特征生成模型，所述图
像特征生成模型生成所述待查询目标缺失视角的图像特征；所述图像特征生成模型是以训练用图像特征对为训练样本，以第一重构损失、第二重构损失、第三重构损失、第四重构损失及对比损失作为联合损失训练得到的；所述训练用图像特征对包括第一训练用图像特征和第二训练用图像特征；所述第一训练用图像特征经过所述图像特征生成模型生成的第一图像特征与所述第一训练用图像特征之间的损失为所述第一重构损失；所述第一训练用图像特征经过所述图像特征生成模型生成的第二图像特征与所述第二训练用图像特征之间的损失为所述第二重构损失；所述第二训练用图像特征经过所述图像特征生成模型生成的第三图像特征与所述第二训练用图像特征之间的损失为所述第三重构损失；所述第二训练用图像特征经过所述...

【专利技术属性】
技术研发人员：张超斌，谭昶，汤进，贾若然，张友国，郑爱华，吕军，
申请(专利权)人：安徽大学，
类型：发明
国别省市：