一种跨模态行人重识别方法、装置、设备和存储介质制造方法及图纸

本发明专利技术公开了一种跨模态行人重识别方法、装置、设备和存储介质。该方法包括：获取待识别行人图像集合，其中，待识别行人图像集合包括：至少两个模态下的待识别行人图像；对待识别行人图像集合中的待识别行人图像进行特征提取，得到待识别行人图像集合中的每个待识别行人图像对应的特征信息；根据待识别行人图像集合中的每个待识别行人图像和待识别行人图像集合中的每个待识别行人图像对应的特征信息构建目标异质图；根据目标异质图确定目标特征；根据目标特征生成目标行人图像。本方案可添加至任意现有跨模态行人重识别方法后面作为后处理，提高现有跨模态行人重识别方法的精度，使得夜晚的智能追踪和人员追捕更加准确，可大力推动智能安防建设。力推动智能安防建设。力推动智能安防建设。

A cross modal pedestrian recognition method, device, equipment and storage medium

【技术实现步骤摘要】
一种跨模态行人重识别方法、装置、设备和存储介质


[0001]本专利技术涉及行人重识别
，尤其涉及一种跨模态行人重识别方法、装置、设备和存储介质。

技术介绍

[0002]跨模态行人重识别在智慧城市安防监控场景发挥着巨大的作用。跨模态行人重识别方法是实现可见光拍摄的人体图片与近红外成像的人体图片之间的相互检索，目标是给定一张可见光拍摄的人体图片进行查询，在近红外成像图片的底库中找到与查询图片身份相同的图片，或者反之，给定一张近红外成像图片进行查询，在可见光拍摄的人体图片底库中找到与查询图片身份相同的图片。
[0003]现有的跨模态行人重识别大多数为通过标签作为媒介，使用统计学习的方法(如今以神经网络为代表)使得网络模型能够提取可见光和近红外行人图片中能够代表身份的有效信息。但是由于近红外与可见光图片的模态相差很大，深度学习网络学习到的特征仍然含有模态特有的、与身份无关的信息(如可见光图片中的颜色信息)，从而导致跨模态检索的精度不够高。

技术实现思路

[0004]本专利技术提供了一种跨模态行人重识别方法、装置、设备和存储本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种跨模态行人重识别方法，其特征在于，包括：获取待识别行人图像集合，其中，所述待识别行人图像集合包括：至少两个模态下的待识别行人图像；对所述待识别行人图像集合中的待识别行人图像进行特征提取，得到待识别行人图像集合中的每个待识别行人图像对应的特征信息；根据所述待识别行人图像集合中的每个待识别行人图像和待识别行人图像集合中的每个待识别行人图像对应的特征信息构建目标异质图；根据所述目标异质图确定目标特征；根据所述目标特征生成目标行人图像。2.根据权利要求1所述的方法，其特征在于，所述根据所述目标异质图确定目标特征，包括：根据所述目标异质图对至少两个模态下的待识别行人图像进行信息聚合，得到至少两个模态聚合特征；对所述至少两个模态聚合特征进行融合，得到目标特征。3.根据权利要求2所述的方法，其特征在于，所述根据所述目标异质图对至少两个模态下的待识别行人图像进行信息聚合，得到至少两个模态聚合特征，包括：对所述目标异质图中的节点进行模态划分，得到至少两个模态对应的节点集合；分别对所述至少两个模态对应的节点集合中的节点进行信息聚合，得到至少两个模态聚合特征。4.根据权利要求2所述的方法，其特征在于，所述对所述至少两个模态聚合特征进行融合，得到目标特征，包括：将至少两个模态聚合特征分别映射到至少两个子空间，得到每个子空间对应的聚合特征；将至少两个子空间对应的聚合特征进行线性映射，得到目标特征。5.根据权利要求1所述的方法，其特征在于，所述根据所述待识别行人图像集合中的每个待识别行人图像和待识别行人图像集合中的每个待识别行人图像对应的特征信息构建目标异质图，包括：根据所述待识别行人图像集合中的每个待识别行人图像和待识别行人图像集合中的每个待识别行人图像对应的特征信息构建第一异质图；对所述第一异质图进行噪声去除，得到目标异质图。6.根据权利要求5所述的方法，其特征在于，所...

【专利技术属性】
技术研发人员：陈浩彬，乔宇，焦国华，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：