重识别方法、目标重识别网络的训练方法及相关设备.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113705329A(43)申请公布日2021.11.26(21)申请号202110768934.X(22)申请日2021.07.07(71)申请人浙江大华技术股份有限公司地址310051浙江省杭州市滨江区滨安路1187号(72)发明人张兴明马定鑫李平生(74)专利代理机构深圳市威世博知识产权代理事务所(普通合伙)44280代理人何倚雯(51)Int.Cl.G06K9/00(2006.01)G06K9/46(2006.01)G06K9/62(2006.01)权利要求书2页说明书8页附图4页(54)发明名称重识别方法、目标重识别网络的训练方法及相关设备(57)摘要本申请公开了一种运动目标的重识别方法、目标重识别网络的训练方法、电子设备及计算机可读存储介质。该重识别方法包括利用目标重识别模型进行如下处理：分别对待识别目标和多个候选目标的静态图像和运动图像进行特征提取，以得到图像特征，其中运动图像用于表征静态图像的各像素点的运动信息；计算待识别目标的图像特征与多个候选目标的图像特征的相似度；基于相似度从多个候选目标确定待识别目标的重识别结果。通过上述方式，能够提高重识别结果的准确度。CN113705329ACN113705329A权利要求书1/2页1.一种运动目标的重识别方法，其特征在于，包括利用目标重识别模型进行如下处理：分别对待识别目标和多个候选目标的静态图像和运动图像进行特征提取，以得到图像特征，其中所述运动图像用于表征所述静态图像的各像素点的运动信息；计算所述待识别目标的图像特征与所述多个候选目标的图像特征的相似度；基于所述相似度从所述多个候选目标确定所述待识别目标的重识别结果。2.根据权利要求1所述的方法，其特征在于，所述分别对待识别目标和多个候选目标的静态图像和运动图像进行特征提取的步骤包括：对所述静态图像和所述运动图像的拼接结果进行特征提取，以获得整体特征图；基于所述静态图像和所述运动图像提取出属于所述待识别目标和所述候选目标的关键点；基于所述关键点和所述整体特征图确定关键点特征向量；所述计算所述待识别目标的图像特征与所述多个候选目标的图像特征的相似度的步骤包括：计算所述待识别目标的关键点特征向量与所述多个候选目标的关键点特征向量之间的第一相似度；所述基于所述相似度从所述多个候选目标确定所述待识别目标的重识别结果的步骤包括：至少基于所述第一相似度确定所述待识别目标的重识别结果。3.根据权利要求2所述的方法，其特征在于，所述静态图像为RGB图像；所述对所述静态图像和所述运动图像的拼接结果进行特征提取的步骤包括：分别对所述静态图像进行水平光流提取和垂直光流提取，以获得第一运动图像和第二运动图像；将所述静态图像、所述第一运动图像和所述第二运动图像的拼接结果输入预先训练好的五通道特征提取网络，以获取所述整体特征图。4.根据权利要求2所述的方法，其特征在于，所述基于所述静态图像和所述运动图像提取出属于所述待识别目标和所述候选目标的关键点的步骤包括：对所述静态图像进行姿态评估，以获取各所述像素点的关键点置信度；对所述运动图像的运动信息进行归一化处理，以获得各所述像素点的前景点置信度；筛选出所述关键点置信度大于或等于第一阈值且所述前景点置信度大于或等于第二阈值的像素点作为所述关键点。5.根据权利要求4所述的方法，其特征在于，所述基于所述关键点和所述整体特征图确定关键点特征向量的步骤包括：将所述关键点的响应度设置成等于所述关键点的关键点置信度，并将所述关键点以外的其他像素点的响应度设置为零，以获得响应度图像；将所述响应度图像与所述整体特征图像进行点乘，以获得关键点特征；对所述关键点特征进行最大池化，以获得最大池化结果；对所述整体特征图进行平均池化，以获得平均池化结果；将所述最大池化结果和所述平均池化结果拼接，以获得所述关键点特征向量。6.根据权利要求4所述的方法，其特征在于，所述分别对待识别目标和多个候选目标的2CN113705329A权利要求书2/2页静态图像和运动图像进行特征提取的步骤进一步包括：沿预设方向将所述待识别目标和所述候选目标的整体特征图划分成彼此对应的多个局部特征图，并提取局部特征向量；所述计算所述待识别目标的图像特征与所述多个候选目标的图像特征的相似度的步骤，包括：基于所述待识别目标和所述候选目标的所述静态图像的各像素点的前景点置信度和关键点置信度，确定所述局部特征图的遮挡情况；在对应的所述局部特征图均未被遮挡的情况下，计算对应的所述局部特征图的局部特征向量之间的第二相似度，并进行求和；所述基于所述相似度从所述多个候选目标确定所述待识别目标的重识别结果的步骤包括：至少基于所述第二相似度的求和结果确定所述待识别目标的重识别结果。7.根据权利要