【技术实现步骤摘要】
本申请涉及人工智能领域、金融科技领域及其他相关领域，具体而言，涉及一种行人重识别的方法及装置、存储介质和电子设备。
技术介绍
1、在金融网点内客户的人身安全和财产安全受到威胁时，需要快速精准确定目标人员的行动轨迹。在摄像头拍摄到的视频影像中锁定目标人员的技术即为行人重识别技术，通过行人重识别技术可以在不同视角、光照和姿态下准确识别同一行人，在相关技术中主要是通过摄像头拍摄到的可见光图像对行人进行识别，但由于可见光图像受光照和环境影响因素比较大，容易导致行人重识别的准确性比较低。
2、针对相关技术中根据可见光图像进行行人重识别时，由于对光照和环境的抗干扰能力比较差，导致行人重识别的准确性比较低的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本申请的主要目的在于提供一种行人重识别的方法及装置、存储介质和电子设备，以解决相关技术中根据可见光图像进行行人重识别时，由于对光照和环境的抗干扰能力比较差，导致行人重识别的准确性比较低的问题。
2、为了实现上述目的，根据本申请的一个方面，提供了一种行人重识别的方法。该方法包括：获取参考图像、第一目标图像和第二目标图像，其中，所述参考图像中包括待识别的第一目标对象的图像，所述第一目标图像为可见光图像，所述第二目标图像为红外图像，所述第一目标图像和所述第二目标图像中包括所述第一目标对象和多个第二目标对象的图像；对所述第一目标图像的色彩模式进行灰度化处理，得到第三目标图像；通过目标识别模型依据所述参考图像，对所述第一目标图
3、进一步地，在通过目标识别模型依据所述参考图像，对所述第一目标图像和所述第二目标图像中的所述第一目标对象进行识别，得到识别结果之前，所述方法还包括：获取第一样本图像集和第二样本图像集，其中，所述第一样本图像集中的样本图像为可见光图像，所述第二样本图像集中的样本图像为红外图像，所述第一样本图像集和所述第二样本图像集中均包括多个正样本图像、多个负样本图像和多个目标样本图像，所述目标样本图像中为待识别的第三目标对象的图像，所述正样本图像为所述第三目标对象的图像，所述负样本图像为第四目标对象的图像；对所述第一样本图像集中的样本图像的色彩模式进行灰度化处理，得到第三样本图像集；依据所述第二样本图像集和所述第三样本图像集，对初始识别模型进行训练，得到所述目标识别模型。
4、进一步地，依据所述第二样本图像集和所述第三样本图像集，对初始识别模型进行训练，得到所述目标识别模型包括：通过所述初始识别模型中的特征融合层，对所述第二样本图像集中正样本图像和所述第三样本图像集中正样本图像对应的同一个第三目标对象的样本图像进行融合，得到每个正样本图像对应的第一融合特征图；通过所述特征融合层，对所述第二样本图像集中负样本图像和所述第三样本图像集中负样本图像对应的同一个第四目标对象的样本图像进行融合，得到每个负样本图像对应的第二融合特征图；通过所述特征融合层，对所述第二样本图像集中目标样本图像和所述第三样本图像集中目标样本图像对应的同一个第三目标对象的样本图像进行融合，得到每个目标样本图像对应的第三融合特征图；通过所述初始识别模型中的卷积神经网络层对所述第二样本图像集中的样本图像和所述第三样本图像集中的样本图像进行特征提取，得到每个样本图像对应的全局特征图；依据所述第一融合特征图、第二融合特征图、第三融合特征图和所述全局特征图，对所述初始识别模型进行训练，得到所述目标识别模型。
5、进一步地，通过所述初始识别模型中的特征融合层，对所述第二样本图像集中正样本图像和所述第三样本图像集中正样本图像对应的同一个第三目标对象的样本图像进行融合，得到每个正样本图像对应的第一融合特征图包括：通过所述特征融合层中的图像分割模块对所述第二样本图像集中正样本图像进行分割，得到所述第二样本图像集中每个正样本图像对应的第一图像块；通过所述图像分割模块对所述第三样本图像集中正样本图像进行分割，得到所述第三样本图像集中每个正样本图像对应的第二图像块；通过所述特征融合层中的特征融合模块对同一个第三目标对象对应的所述第一图像块和所述第二图像块进行特征融合，得到所述第一融合特征图。
6、进一步地，依据所述第一融合特征图、第二融合特征图、第三融合特征图和所述全局特征图，对所述初始识别模型进行训练，得到所述目标识别模型包括：分别对所述第一融合特征图、所述第二融合特征图和所述第三融合特征图进行细粒度切分，得到所述第一融合特征图对应的第一初始特征图像块、所述第二融合特征图对应的第二初始特征图像块以及所述第三融合特征图像块对应的第三初始特征图像块；依据所述第一初始特征图像块，对所述第一融合特征图进行特征重组，得到第一目标特征图像；依据所述第二初始特征图像块，对所述第二融合特征图进行特征重组，得到第二目标特征图像；依据所述第三初始特征图像块，对所述第三融合特征图进行特征重组，得到第三目标特征图像；依据所述第一目标特征图像、所述第二目标特征图像、所述第三目标特征图像和所述全局特征图，对所述初始识别模型进行训练，得到所述目标识别模型。
7、进一步地，依据所述第一初始特征图像块，对所述第一融合特征图进行特征重组，得到第一目标特征图像包括：对所述第一初始特征图像块进行平均划分，得到第一特征图像块和第二特征图像块，并建立所述第一特征图像块和所述第二特征图像块之间的对应关系；依据所述对应关系，对所述第一特征图像块和所述第二特征图像块进行拼接重组，得到所述第一目标特征图像。
8、进一步地，依据所述第一目标特征图像、所述第二目标特征图像、所述第三目标特征图像和所述全局特征图，对所述初始识别模型进行训练，得到所述目标识别模型包括：通过三元损失函数计算所述正样本图像对应的第一目标特征图、所述负样本图像对应的第二目标特征图像和所述目标样本图像对应的第三目标特征图像之间的损失，得到第一目标损失；通过所述三元损失函数依据所述全局特征图，计算所述正样本图像、所述负样本图像和所述目标样本图像之间损失，得到第二目标损失；通过分类损失函数计算所述正样本图像对应的第一目标特征图、所述负样本图像对应的第二目标特征图像和所述目标样本图像对应的第三目标特征图像之间损失，得到第三目标损失；通过所述分类损失函数依据所述全局特征图，计算所述正样本图像、所述负样本图像和所述目标样本图像之间损失，得到第四目标损失；依据所述第一目标损失、所述第二目标损失、所述第三目标损失和所述第四目标损失，对所述初始识别模型进行训练，得到所述目标识别模型。
9、为了实现上述目的，根据本申请的另一方面，提供了一种行人重识别的装置。该装置包括：第一获取单元，用于获取参考图像、第一目标图像和第二目标图像，其中，所述参考图像中包括待识别的第一目标对象的图像，所述第一目标图像为可见光图像，所述第二目标图像为红外图像，所述第一目标图像和所述第二目标图像中包括所述第一目标对象和多个第二目标对象的图像；第一处理单元，用于对所述第一目标图像的色彩本文档来自技高网...
【技术保护点】
1.一种行人重识别的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，在通过目标识别模型依据所述参考图像，对所述第一目标图像和所述第二目标图像中的所述第一目标对象进行识别，得到识别结果之前，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，依据所述第二样本图像集和所述第三样本图像集，对初始识别模型进行训练，得到所述目标识别模型包括：
4.根据权利要求3所述的方法，其特征在于，通过所述初始识别模型中的特征融合层，对所述第二样本图像集中正样本图像和所述第三样本图像集中正样本图像对应的同一个第三目标对象的样本图像进行融合，得到每个正样本图像对应的第一融合特征图包括：
5.根据权利要求3所述的方法，其特征在于，依据所述第一融合特征图、第二融合特征图、第三融合特征图和所述全局特征图，对所述初始识别模型进行训练，得到所述目标识别模型包括：
6.根据权利要求5所述的方法，其特征在于，依据所述第一初始特征图像块，对所述第一融合特征图进行特征重组，得到第一目标特征图像包括：
7.根据权利要求5所述的
8.一种行人重识别的装置，其特征在于，包括：
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质在设备执行权利要求1至7中任意一项所述的行人重识别的方法。
10.一种电子设备，其特征在于，包括一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1至7中任意一项所述的行人重识别的方法。
...【技术特征摘要】
1.一种行人重识别的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，在通过目标识别模型依据所述参考图像，对所述第一目标图像和所述第二目标图像中的所述第一目标对象进行识别，得到识别结果之前，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，依据所述第二样本图像集和所述第三样本图像集，对初始识别模型进行训练，得到所述目标识别模型包括：
4.根据权利要求3所述的方法，其特征在于，通过所述初始识别模型中的特征融合层，对所述第二样本图像集中正样本图像和所述第三样本图像集中正样本图像对应的同一个第三目标对象的样本图像进行融合，得到每个正样本图像对应的第一融合特征图包括：
5.根据权利要求3所述的方法，其特征在于，依据所述第一融合特征图、第二融合特征图、第三融合特征图和所述全局特征图，对所述初始识别模型进行训练，得到所述目标识别模型包括：
...【专利技术属性】
技术研发人员：蒲泉屹，罗伟，刘跃勇，高冶，
申请(专利权)人：中国工商银行股份有限公司，
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。