一种动态置信度的跨域行人重识别方法及系统技术方案

本发明专利技术公开一种动态置信度的跨域行人重识别方法及系统，涉及行人重识别领域，该方法包括利用源域训练集预训练ResNet

【技术实现步骤摘要】
一种动态置信度的跨域行人重识别方法及系统


[0001]本专利技术涉及行人重识别领域，特别是涉及一种动态置信度的跨域行人重识别方法及系统。

技术介绍

[0002]行人重识别(Person Re
‑
identification也称行人再识别，简称为ReID，是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术；或者说，行人重识别是指在已有的可能来源与非重叠摄像机视域的视频序列中识别出目标行人。广泛被认为是一个图像检索的子问题。给定一个监控行人图像，检索跨设备下的该行人图像。在监控视频中，由于相机分辨率和拍摄角度的缘故，通常无法得到质量非常高的人脸图片。当人脸识别失效的情况下，ReID就成为了一个非常重要的替代品技术。ReID有一个非常重要的特性就是跨摄像头，所以学术论文里评价性能的时候，是要检索出不同摄像头下的相同行人图片。ReID已经在学术界研究多年，但直到最近几年随着深度学习的发展，才取得了非常巨大的突破。
[0003]随着深度学习的飞速发展，结合深度神经网络在语义特征抽取、端到端训练优势的深度学习，逐步进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种动态置信度的跨域行人重识别方法，其特征在于，包括：利用源域训练集预训练ResNet
‑
50网络，得到当前模型；所述源域为带有标签的行人重识别数据集；所述源域训练集为行人重识别数据集中用于模型训练的数据；确定当前模型在源域测试集的均值平均精度mAP；并利用mAP估计当前模型在目标域无标签数据集上的置信度；所述源域测试集为行人重识别数据集中用于测试模型性能的数据，分为查询集query sets和参考集gallery sets；利用当前模型抽取目标域无标签数据集的特征；并利用DBSCAN算法对抽取的特征进行聚类，将聚类后的聚类id作为目标域无标签数据集中对应行人图片的伪标签，得到目标域伪标签数据集；利用聚类产生的离群值特征初始化记忆库；所述记忆库用于存储离群值特征；并用于离群值特征损失函数的计算；利用目标域伪标签数据集、置信度以及记忆库训练当前模型，并在每一轮的训练当中，重新构建目标域伪标签数据集、置信度和记忆库，直至当前模型达到最优，得到跨域行人重识别模型；利用跨域行人重识别模型对待识别的行人图片进行识别。2.根据权利要求1所述的一种动态置信度的跨域行人重识别方法，其特征在于，所述利用源域训练集预训练ResNet
‑
50网络，得到当前模型，具体包括：使用交叉熵损失函数和三元组损失函数联合预训练ResNet
‑
50网络。3.根据权利要求2所述的一种动态置信度的跨域行人重识别方法，其特征在于，联合预训练的过程为：在经过ResNet
‑
50网络的池化层之后的特征使用三元组损失函数；在经过ResNet
‑
50网络的全连接层之后的使用交叉熵损失函数。4.根据权利要求1所述的一种动态置信度的跨域行人重识别方法，其特征在于，所述确定当前模型在源域测试集的均值平均精度mAP，具体包括：将当前模型最后的全连接层去掉，保留自适应平均池化层；利用处理后的当前模型分别抽取查询集query sets的特征和参考集gallery sets的特征；计算查询集query sets中每一行人图片与参考集gallery sets中每一行人图片的相似度；根据相似度计算当前模型在源域测试集上的mAP。5.根据权利要求1所述的一种动态置信度的跨域行人重识别方法，其特征在于，所述利用目标域伪标签数据集、置信度以及记忆库训练当前模型，直至当前模型达到最优，得到跨域行人重识别模型，具体包括：在当前模型之后加入一个全连接层，输出维度为...

【专利技术属性】
技术研发人员：魏巍，孙智豪，李琳，郭少杰，王锋，
申请(专利权)人：山西大学，
类型：发明
国别省市：