一种行人重识别方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术公开了一种行人重识别方法、装置、计算机设备及存储介质，所述方法包括：获取待识别图像；基于主干网络对待识别图像进行特征提取，得到第一特征图，采用当前卷积层对第一特征图进行特征提取，得到第二特征图；对第二特征图进行感知处理，得到感知特征图；当下一层卷积层不是最后一层卷积层时，则将第二特征图作为第一特征图，当前卷积层对应的下一层卷积层作为当前卷积层，并返回采用当前卷积层对第一特征图进行特征提取，得到第二特征图的步骤继续执行；否则对第二特征图进行卷积计算得到第三特征图；基于感知特征图和第三特征图对待识别图像进行重识别处理，得到行人重识别结果，采用本发明专利技术提高不同光照影响下的行人重识别准确率。别准确率。别准确率。

【技术实现步骤摘要】
一种行人重识别方法、装置、计算机设备及存储介质


[0001]本专利技术涉及计算机视觉领域，尤其涉及一种行人重识别方法、装置、计算机设备及存储介质。

技术介绍

[0002]随着硬件算力的飞速发展和人工智能计算机视觉技术，尤其是深度学习技术的快速发展和普及，计算机视觉技术在智慧城市安全领域有着广泛的应用。
[0003]行人重识别(Person Re
‑
identification)是一种利用计算机视觉技术，旨在从大规模的分布式监控系统中搜索判断是否存在特定行人的技术，也称作行人再识别，简称为Re
‑
ID。在监控摄像头视频中，摄像头的安装分布存在安装位置，安装角度，安装环境，摄像头分辨率各异的情况，摄像头的视频图像呈现因背景、时空行人姿态和环境光照影响的不同而存在差异。因此，行人重识别时需要克服监控摄像头的各种差异。但是，由于监控场景下存在不同光照亮度差异，不同曝光度差异，顺逆光差异，甚至环境有色光源干扰等一系列光照影响，导致对行人重识别的准确性有很大的影响。在大多数场景下，光照影响导致了行人重识别存在识别准确率低的问题。
[0004]因此，现有的行人重识别中存在因光照影响而导致的识别准确率低的问题。

技术实现思路

[0005]本专利技术实施例提供一种行人重识别方法、装置、计算机设备和存储介质，以提高不同光照影响下的行人重识别准确率。
[0006]为了解决上述技术问题，本申请实施例提供一种行人重识别方法，包括。
[0007]获取待识别图像，并将所述待识别图像输入行人重识别模型，其中，所述行人重识别模型包括主干网络和光照感知网络，所述主干网络包括N+2个卷积层，所述光照感知网络包括N个光照感知模块，第i+1个卷积层与第i个光照感知模块连接，所述i的取值范围为(1，N)且所述i为正整数。
[0008]基于所述主干网络的第一个卷积层，对所述待识别图像进行特征提取，得到第一特征图，并将所述主干网络的第二个卷积层作为当前卷积层。
[0009]采用所述当前卷积层对所述第一特征图进行特征提取，得到第二特征图。
[0010]采用与所述当前卷积层连接的光照感知模块，对所述第二特征图进行感知处理，得到感知特征图。
[0011]当所述当前卷积层对应的下一层卷积层不是最后一层卷积层时，则将所述第二特征图作为第一特征图，所述当前卷积层对应的下一层卷积层作为当前卷积层，并返回所述采用所述当前卷积层对所述第一特征图进行特征提取，得到第二特征图的步骤继续执行。
[0012]当所述当前卷积层对应的下一层卷积层为最后一层卷积层时，则对所述第二特征图进行卷积计算，得到第三特征图。
[0013]基于所有所述感知特征图和所述第三特征图，对所述待识别图像进行重识别处
理，得到行人重识别结果。
[0014]为了解决上述技术问题，本申请实施例还提供一种行人重识别装置，包括。
[0015]待识别图像获取模块，用于获取待识别图像，并将所述待识别图像输入行人重识别模型，其中，所述行人重识别模型包括主干网络和光照感知网络，所述主干网络包括N+2个卷积层，所述光照感知网络包括N个光照感知模块，第i+1个卷积层与第i个光照感知模块连接，所述i的取值范围为(1，N)且所述i为正整数。
[0016]第一特征图获取模块，用于基于所述主干网络的第一个卷积层，对所述待识别图像进行特征提取，得到第一特征图，并将所述主干网络的第二个卷积层作为当前卷积层。
[0017]第二特征图获取模块，用于采用所述当前卷积层对所述第一特征图进行特征提取，得到第二特征图。
[0018]感知特征图获取模块，用采用与所述当前卷积层连接的光照感知模块，对所述第二特征图进行感知处理，得到感知特征图。
[0019]循环模块，用于当所述当前卷积层对应的下一层卷积层不是最后一层卷积层时，则将所述第二特征图作为第一特征图，所述当前卷积层对应的下一层卷积层作为当前卷积层，并返回所述采用所述当前卷积层对所述第一特征图进行特征提取，得到第二特征图的步骤继续执行。
[0020]第三特征图获取模块，用于当所述当前卷积层对应的下一层卷积层为最后一层卷积层时，则对所述第二特征图进行卷积计算，得到第三特征图。
[0021]行人重识别模块，用于基于所有所述感知特征图和所述第三特征图，对所述待识别图像进行重识别处理，得到行人重识别结果。
[0022]为了解决上述技术问题，本申请实施例还提供一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述行人重识别方法的步骤。
[0023]为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述行人重识别方法的步骤。
[0024]本专利技术实施例提供的行人重识别方法、装置、计算机设备及存储介质，通过获取待识别图像，并将待识别图像输入行人重识别模型；基于主干网络的第一个卷积层，对待识别图像进行特征提取，得到第一特征图，并将主干网络的第二个卷积层作为当前卷积层；采用当前卷积层对第一特征图进行特征提取，得到第二特征图；采用与当前卷积层连接的光照感知模块，对第二特征图进行感知处理，得到感知特征图；当当前卷积层对应的下一层卷积层不是最后一层卷积层时，则将第二特征图作为第一特征图，当前卷积层对应的下一层卷积层作为当前卷积层，并返回采用当前卷积层对第一特征图进行特征提取，得到第二特征图的步骤继续执行；当当前卷积层对应的下一层卷积层为最后一层卷积层时，则对第二特征图进行卷积计算，得到第三特征图；基于所有感知特征图和第三特征图，对待识别图像进行重识别处理，得到行人重识别结果。通过上述步骤，能够减弱甚至去除不同光照条件对行人重识别的影响，提高不同光照影响下的行人重识别准确率。
附图说明
[0025]为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0026]图1是本申请可以应用于其中的示例性系统架构图。
[0027]图2是本申请的行人重识别方法的一个实施例的流程图。
[0028]图3是本申请的行人重识别模型的一示例图。
[0029]图4是本申请的光照感知模块的一示例图。
[0030]图5是根据本申请的行人重识别装置的一个实施例的结构示意图。
[0031]图6是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
[0032]除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的
的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种行人重识别方法，其特征在于，所述行人重识别方法包括：获取待识别图像，并将所述待识别图像输入行人重识别模型，其中，所述行人重识别模型包括主干网络和光照感知网络，所述主干网络包括N+2个卷积层，所述光照感知网络包括N个光照感知模块，第i+1个卷积层与第i个光照感知模块连接，所述i的取值范围为(1，N)且所述i为正整数；基于所述主干网络的第一个卷积层，对所述待识别图像进行特征提取，得到第一特征图，并将所述主干网络的第二个卷积层作为当前卷积层；采用所述当前卷积层对所述第一特征图进行特征提取，得到第二特征图；采用与所述当前卷积层连接的光照感知模块，对所述第二特征图进行感知处理，得到感知特征图；当所述当前卷积层对应的下一层卷积层不是最后一层卷积层时，则将所述第二特征图作为第一特征图，所述当前卷积层对应的下一层卷积层作为当前卷积层，并返回所述采用所述当前卷积层对所述第一特征图进行特征提取，得到第二特征图的步骤继续执行；当所述当前卷积层对应的下一层卷积层为最后一层卷积层时，则对所述第二特征图进行卷积计算，得到第三特征图；基于所有所述感知特征图和所述第三特征图，对所述待识别图像进行重识别处理，得到行人重识别结果。2.如权利要求1所述的行人重识别方法，其特征在于，在所述获取待识别图像，并将所述待识别图像输入行人重识别模型的步骤之前，所述方法包括：获取行人图像集；基于残差网络，采用所述行人图像集中的行人图像对初始化主干网络进行预训练，得到预训练主干网络；基于注意力算法，构建初始化光照感知网络；基于所述预训练主干网络和所述初始化光照感知网络，构建初始化行人重识别模型；基于预设的数据增强方式，对所述行人图像集中的行人图像进行数据增强，得到训练图像集；根据所述训练图像集，对所述初始化行人重识别模型进行训练，得到行人重识别模型。3.如权利要求2所述的行人重识别方法，其特征在于，所述基于预设的数据增强方式，对所述行人图像集中的行人图像进行数据增强，得到训练图像集的步骤包括：从所述行人图像集中抽取出预设数量的行人图像作为待增强图像，并将所有所述待增强图像加入待增强图像集合中；基于直方图算法，依次对所述待增强图像集合选取出的待增强图像进行亮度处理，得到所述待增强图像对应的增强结果；对所有所述待增强图像和所述待增强图像对应的增强结果进行汇总，得到训练图像集。4.如权利要求2所述的行人重识别方法，其特征在于，所述基于预设的数据增强方式，对所述行人图像集中的行人图像进行数据增强，得到训练图像集的步骤包括：基于预设的图像分割方式，对所述行人图像集中的行人图像进行图像分割，得到每一张所述行人图像对应的分割结果，其中，所述分割结果包括前景区域图像和背景区域图像；
针对每一张所述行人图像，采用高斯分布分别对所述行人图像对应的前景区域图像和背景区域图像进行亮度调整，得到所述前景区域图像对应的前景调整图像和所述背景区域图像对应的背景调整图像；针对每一张所述行人图像，将所述前景调整图像和所述背景调整图像进行组合，得到所述行人图像对应的曝光图像；对所有所述曝光图像进行光源筛选，并将通过光源筛选的曝光图像对应的行人图像加入训练图像集中。5.如权利要求2所述的行人重识别方法，其特...

【专利技术属性】
技术研发人员：谢喜林，
申请(专利权)人：智慧眼科技股份有限公司，
类型：发明
国别省市：