ReID模型的训练方法、背景融合方法、系统及控制装置制造方法及图纸

本发明专利技术涉及图像处理技术领域，具体提供一种ReID模型的训练方法、背景融合方法、系统及控制装置，旨在解决现有技术中ReID模型的训练存在数据量少、泛化能力弱、学习信息错误的技术问题。为此目的，本发明专利技术的背景融合方法，包括：将原始图像输入到训练后的分割模型，得到行人掩膜图像；获取背景图像集；将所述背景图像集中任一背景图像与所述行人掩膜图像进行融合，得到第一融合图像。得到第一融合图像。得到第一融合图像。

【技术实现步骤摘要】
ReID模型的训练方法、背景融合方法、系统及控制装置


[0001]本专利技术涉及图像处理
，具体提供一种ReID模型的训练方法、背景融合方法、系统及控制装置。

技术介绍

[0002]ReID，又叫“跨镜追踪技术”，是感知算法研究的热门方向，主要解决跨摄像头跨场景下行人的识别与检索。当前，ReID模型训练面临以下几个难题：
[0003]1)数据量不足。ReID数据需要跨镜数据，采集难度大。真实场景构建数据集时跨镜头数据非常稀少，需要专门安装多个机位来拍摄，这给数据采集团队提出了比较高的要求。数据量不足直接导致模型容易过拟合，泛化性能较弱。
[0004]2)跨域问题。在源域上训练好的模型直接在目标域进行测试，性能有巨大的下降。跨域问题本身在机器学习领域普遍存在。但是ReID数据集相对单一的场景让这个问题更加严重。另外，单一场景采集的数据ID的背景比较相似，模型训练时容易学习到背景信息，而不是行人本身信息。这在下游跟踪等任务时，容易产生串轨迹等问题。
[0005]通用的数据增强方法如几何变换、色彩变换等可以有效提高模型的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种背景融合方法，其特征在于，包括步骤：将原始图像输入到训练后的分割模型，得到行人掩膜图像；获取背景图像集；将所述背景图像集中任一背景图像与所述行人掩膜图像进行融合，得到第一融合图像。2.根据权利要求1所述的背景融合方法，其特征在于，还包括：将所述第一融合图像和所述行人掩膜图像输入到图像和谐化模型，得到第二融合图像。3.根据权利要求2所述的背景融合方法，其特征在于，所述图像和谐化模型包括特征提取器、融合器、N个全连接层和N个滤波器，所述特征提取器的输入端接收行人掩膜图像和第一融合图像，所述特征提取器的输出端输出原始特征；第一个全连接层的输入端接收所述原始特征，所述第一个全连接层的输出端输出第一特征，所述第一个全连接层的输出端输出第一特征，第i个全连接层的输入端接收所述原始特征与第i
‑
1特征拼接后的特征，所述第i个全连接层的输出端输出第i特征，第N个全连接层的输入端接收所述原始特征与第N
‑
1特征拼接后的特征，所述第N个全连接层的输出端输出第N特征，其中1＜i＜N；第一个滤波器的输入端接收第一融合图像和第一特征，第一个滤波器的输出端连接第二个滤波器的输入端，第j个滤波器的输入端接收第j特征，第j个滤波器的输出端连接第j+1个滤波器的输入端，第N个滤波器的输入端用于接收第N特征，第N个滤波器的输出端用于连接融合器的输入端，其中1＜j＜N；所述融合器的输入端用于接收行人掩膜图像，所述融合器的输出端用于输出第二融合图像。4.根据权利要求3所述的背景融合方法，其特征在于，所述全连接层和所述滤波器的数量均为四个，所述的四个滤波器分别为亮度滤波器、对比度滤波器、色温滤波器和饱和度滤波器。5.根据权利要求1所述的背景融合方法，其特征在于，所述分割模型的训练方法包括，步骤a：将多个未进行分割的原始图像输入到分割模型，得到行人掩膜图像；步骤b：筛选出分割效果不满足要求的原始图像以供手动标注，并将手动标注后的原始图像输入到分割模型重新训练；步骤c：按照预设次数循环执行步骤a～步骤b，得到训练后的分割模型。6...

【专利技术属性】
技术研发人员：刘康，
申请(专利权)人：云从科技集团股份有限公司，
类型：发明
国别省市：