无监督行人重识别方法、装置、计算机设备及存储介质制造方法及图纸

本申请提供了一种无监督行人重识别方法、装置、计算机设备及存储介质，涉及人工智能技术领域，用于解决现有的行人重识别方案推荐存在适用范围较小的问题。方法部分包括：利用无标签训练样本对预设无监督行人重识别模型进行训练得到目标编码器，通过目标编码器对目标行人图像进行特征提取，获得目标行人图像对应的目标特征，然后基于该特征在预设查询样例中进行特征匹配，从而检索出目标图像，获得无监督行人重识别的识别结果，实现了无标签、无监督的模型训练，扩大了适用范围。扩大了适用范围。扩大了适用范围。

【技术实现步骤摘要】
无监督行人重识别方法、装置、计算机设备及存储介质


[0001]本申请涉及人工智能
，尤其涉及一种无监督行人重识别方法、无监督行人重识别装置、计算机设备及存储介质。

技术介绍

[0002]行人重识别(person re
‑
identification，Re
‑
ID)旨在利用计算机视觉技术跨设备检索出特定行人图像，是近年来的热点研究问题，在视频监控、智能安防和人机交互等方面具有极大的应用前景。目前行人重识别算法大部分都是基于深度学习的方法，在大量的标签数据监督下能取得较好的识别性能。然而由于实际视频监控需求的增长和昂贵的标记成本，越来越多的研究者开始关注对无监督行人重识别方法的研究。基于无监督的行人重识别方法可以从无标签的数据中学习，直接用于实际的应用场景。
[0003]现有的无监督的Re
‑
ID有域转换(domain
‑
translation
‑
based)和伪标签(pseudo
‑
label
‑<br/>based)本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无监督行人重识别方法，其特征在于，所述无监督行人重识别方法包括：通过目标编码器对目标行人图像进行特征提取，得到所述目标行人图像对应的目标特征；其中，所述目标编码器是利用无标签训练样本对预设无监督行人重识别模型进行训练得到的；所述预设无监督行人重识别模型包括预设生成对抗网络模型和预设对比表征模型；所述无标签训练样本中包含至少一个图像样本；基于所述目标特征，从预设查询样例中检索出目标图像，并将所述目标图像作为无监督行人重识别的识别结果。2.如权利要求1所述的无监督行人重识别方法，其特征在于，在所述通过目标编码器对目标行人图像进行特征提取，得到所述目标行人图像对应的目标特征的步骤之前，还包括：利用所述无标签训练样本对所述预设生成对抗网络模型进行训练，得到相似样本集合；所述相似样本集合包括至少一个相似样本，且所述相似样本与所述图像样本一一对应；以所述图像样本及与所述图像样本对应的相似样本作为正样本对，对所述预设对比表征模型进行训练直至所述预设对比表征模型收敛，得到所述目标编码器。3.如权利要求2所述的无监督行人重识别方法，其特征在于，所述利用所述无标签训练样本对所述预设生成对抗网络模型进行训练，得到相似样本集合，包括：基于所述预设生成对抗网络模型和预设的二维姿态图集合，生成每个所述图像样本对应的相似样本；所述相似样本是指与所述图像样本中的二维姿态相同或不同的样本；根据所述相似样本，组合得到所述相似样本集合。4.如权利要求3所述的无监督行人重识别方法，其特征在于，所述基于所述预设生成对抗网络模型和预设的二维姿态图集合，生成每个所述图像样本对应的相似样本，包括：每将一个所述图像样本输入至所述预设生成对抗网络模型时，从所述二维姿态图集合中随机选取一个二维姿态图；其中，不同的所述二维姿态图包括不同视角的姿态特征；基于所述预设生成对抗网络模型和所述姿态特征，生成每个所述图像样本对应的相似样本。5.如权利要求2所述的无监督行人重识别方法，其特征在于，所述以所述图像样本及与所述图像样本对应的相似样本作为正样本对，对所述预设对比表征模型进行训练直至所述预设对比表征模型收敛，得到...

【专利技术属性】
技术研发人员：司世景，王健宗，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：