【技术实现步骤摘要】
分布式边缘协同推理的行人重识别方法、系统及装置
[0001]本申请涉及人工智能
，尤其是一种分布式边缘协同推理的行人重识别方法、系统及装置。
技术介绍
[0002]早期基于视频的行人重识别的研究思路，通常是先对行人图片提取手工特征，如颜色直方图、方向梯度直方图等，然后使用相似性度量方法，如大边界最近邻算法、交叉二次判别分析算法等来学习度量矩阵。随着深度学习技术的兴起，深度学习广泛应用于行人重识别任务中。
[0003]目前，相关技术中，基于深度学习的行人重识别方法在性能上大大超过了传统方法。主要有如下两个原因：1)手工设计的特征描述能力有限，而深度学习使用深度卷积神经网络，可以自动学习出更复杂的特征；2)深度学习可以将特征提取和相似性度量联合在一起，实现端到端的学习，从而得到全局最优解。基于深度学习和云计算的普及推动了计算机视觉在各行业中的广泛应用。但是，集中化的云端推理服务存在带宽资源消耗大、图像数据隐私泄露、时效性难以满足等问题，难以充分满足计算机视觉在行业应用上的多样化应用需求。
技术实现思路
【技术保护点】
【技术特征摘要】
1.一种分布式边缘协同推理的行人重识别方法，其特征在于，所述方法包括：通过分布式边缘协同推理架构获取待处理的图像；通过ResNet
‑
50提取图像的身份特征和属性特征；对所述身份特征进行全局平均池化，然后使用全连接层、批量规范化层和ReLU激活函数对全局平均池化后的身份特征进行降维，得到全局特征；使用全连接层和Softmax激活函数对所述全局特征进行分类处理，得到所述图像中行人身份的第一分类结果；根据所述属性特征，得到所述图像中各个行人的属性分类结果；根据所述属性分类结果进行属性特征融合，得到融合属性特征，并根据所述融合属性特征得到所述图像中行人身份的第二分类结果；根据所述第一分类结果和所述第二分类结果，进行行人重识别。2.根据权利要求1所述的一种分布式边缘协同推理的行人重识别方法，其特征在于，所述分布式边缘协同推理架构包括边缘节点和云端节点。3.根据权利要求2所述的一种分布式边缘协同推理的行人重识别方法，其特征在于，所述分布式边缘协同推理架构包括ReID
‑
Worker、特征提取Worker和行人跟踪Worker；所述ReID
‑
Worker、所述特征提取Worker部署在所述边缘节点和云端节点中，所述行人跟踪Worker部署在边缘节点。4.根据权利要求1
‑
3中任一项所述的一种分布式边缘协同推理的行人重识别方法，其特征在于，所述分布式边缘协同推理架构还包括有Kafka消息队列。5.根据权利要求1所述的一种分布式边缘协同推理的行人重识别方法，其特征在于，所述全连接层通过以下步骤训练得到：获取批量的训练图像数据和所述训练图像数据对应的标签数据；通过ResNet
‑
50提取图像的第一身份特征；将所述第一身份特征进行全局平均池化，然后使用全连接层、批量规范化层和ReLU激活函数对全局平均池化后的第一身份特征进行降维，得到第一全局特征通过所述全连接层对所述第一全局特征进行预测，得到预测结果...
【专利技术属性】
技术研发人员：徐兵荣，陆音，蔡奕杰，陈子阳，郁建峰，许旻昱，
申请(专利权)人：天翼物联科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。