基于多粒度网络的行人重识别方法、系统、设备和介质技术方案

本申请提供一种基于多粒度网络的行人重识别方法、系统、设备和介质，包括：基于行人图像数据集提取行人身份特征，行人图像数据集标注有行人方向标签和行人ID标签；基于行人身份特征和行人方向标签计算行人在各方向的中心点；利用带方向约束的行人ID损失优化多粒度网络的全局分支；利用带方向约束的三元组损失优化多粒度网络的局部分支；利用优化好的全局分支和局部分支进行行人重识别。本申请在行人ID损失函数和三元组损失函数中引入方向标签，增强了细粒度网络模型对低细粒度特征的判别能力，降低了难样本的误匹率；便于大规模行人图像数据集的迁移应用，大大地减少了计算量，且保证了带方向效果的优势，解决了大规模数据集难收敛的技术问题。难收敛的技术问题。难收敛的技术问题。

【技术实现步骤摘要】
基于多粒度网络的行人重识别方法、系统、设备和介质


[0001]本申请属于计算机视觉和图像处理
，特别是涉及一种基于多粒度网络的行人重识别方法、系统、设备和介质。

技术介绍

[0002]多粒度网络(Multi Granularity Network，MGN)把全局特征和局部特征结合在一起，能够用丰富的信息和细节去表征输入图像的完整情况。具体地，全局分支在宏观上对图像中的共有特征进行提取，局部分支将图像切分成具有不同粒度的块，并基于不同粒度的块提取不同层次或者不同级别的局部特征。基于多粒度网络的行人重识别方法能够发现一些被全局特征忽略的、不显著的以及出现频率比较低的细节特征。
[0003]多粒度网络对输入图像的质量有一定要求，但目前利用监控设备采集的行人图像具有以下成像干扰：
[0004](1)抓拍的同一个行人图像具有不同的方向姿态，且不同方向的行人图片特征差异较大；
[0005](2)不同朝向的行人也会有服饰差异，比如对于夏季常见的穿衣搭配，白色T恤配黑色裤子，可能会让不同行人的背面特征具有较高的相似度；
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多粒度网络的行人重识别方法，其特征在于，包括：基于行人图像数据集提取行人身份特征，所述行人图像数据集标注有行人方向标签和行人ID标签；基于所述行人身份特征和所述行人方向标签计算行人在各方向的中心点；基于所述行人在各方向的中心点和所述行人ID标签计算带方向约束的行人ID损失，并利用所述带方向约束的行人ID损失优化多粒度网络的全局分支；基于所述行人方向标签计算带方向约束的三元组损失，并利用所述带方向约束的三元组损失优化多粒度网络的局部分支；利用优化好的所述多粒度网络的全局分支和局部分支进行行人重识别。2.根据权利要求1所述的基于鱼眼探头的多任务行人重识别方法，其特征在于，基于行人图像数据集提取行人身份特征，所述行人图像数据集标注有行人方向标签和行人ID标签包括以下步骤：对行人图像进行预处理；对多粒度网络进行初始化；利用初始化后的多粒度网络从预处理后的行人图像中提取行人身份特征。3.根据权利要求1所述的基于多粒度网络的行人重识别方法，其特征在于，所述基于行人身份特征和行人方向标签计算行人在各方向的中心点包括以下步骤：基于行人方向标签确定行人方向类别；按照所述行人方向类别对行人身份特征进行分类；计算每个所述行人方向类别中行人身份特征的均值，以获取所述行人在各方向的中心点。4.根据权利要求1所述的基于多粒度网络的行人重识别方法，其特征在于，所述基于行人在各方向的中心点和行人ID标签计算带方向约束的行人ID损失，并利用所述带方向约束的行人ID损失优化多粒度网络的全局分支包括以下步骤：基于行人ID标签确定行人ID损失函数的权重；基于所述行人ID损失函数的权重和行人在各方向的中心点计算带方向约束的行人ID损失；最小化所述带方向约束的行人ID损失至收敛，以获取优化好的所述多粒度网络的全局分支。5.根据权利要求3所述的基于多粒度网络的行人重识别方法，其特征在于，所述基于行人ID标签确定行人ID损失函数的权重包括采用公式W＝K*Q计算所述行人ID损失函数的权重；其中K表示行人身份特征的维度，Q表示行人ID标签数，W表示行人ID损失函数的权重。6.根据权利要求3所述的基于多粒度网络的行人重识别方法，其特征在于，所述基于行人ID损失函数的权重和行人在各方向的中...

【专利技术属性】
技术研发人员：袁德胜，游浩泉，崔龙，韩宇露，潘潇君，马卫民，党毅飞，成西锋，王海涛，
申请(专利权)人：汇客云上海数据服务有限公司，
类型：发明
国别省市：