[发明专利]行人重识别方法、系统、电子设备及介质

说明书

本公开提供了一种行人重识别方法，该方法包括：提取行人图像的全局特征；根据行人图像，生成行人前景及行人的不同身体部位分别对应的语义分割结果图；对该语义分割结果图和前述全局特征进行运算，得到行人前景及行人不同身体部件分别对应的第一局部特征图；对该第一局部特征图进行像素级注意力生成及特征提取，得到行人图像前景及行人的不同身体部位分别对应的第二局部特征图；融合上述行人图像全局特征和第二局部特征图，生成最终的特征图。根据该最终的特征图，对行人图像中的行人进行重识别。本公开还提供了一种行人重识别系统、一种电子设备以及一种计算机可读存储介质。

技术领域

本公开涉及计算机视觉和模式识别领域，尤其涉及一种行人重识别方法、系统、电子设备及介质。

背景技术

行人重识别属于图像检索领域的一个子问题。给定一个行人图像，行人重识别任务旨在找到其它场景下的该行人图像。由于光线、视角和姿态的不同，同一个行人可能会有截然不同的外观，而不同的行人可能看起来非常相似。因此，学习一种能够有效识别相似的行人，并对姿态、环境变化表现出足够的鲁棒性的行人特征是十分重要的。

现有的行人重识别技术大概分为三类：基于有监督学习、半监督学习和无监督学习的行人重识别方法。这其中，基于部件的有监督学习方法因其对姿态和视角变化的鲁棒性、快速的训练速度和相对较高的性能而尤其流行。最近，有研究者采用端到端的方式训练人体语义分割网络来获取行人的局部特征，但区域内部的像素级噪声仍有待抑制。为了解决这个问题，需要像素级的注意力选择模块。一般的注意力模型通常从全局图像生成注意力图，只考虑了局部特征之间的空间相关性。

发明内容

(一)要解决的技术问题

针对于现有的技术问题，本公开提出一种行人重识别方法、系统、电子设备及介质，用于至少部分解决上述技术问题。

(二)技术方案

本公开一方面提供一种行人重识别方法，包括：提取行人图像的全局特征；根据上述行人图像，生成行人前景及行人的不同身体部位分别对应的语义分割结果图；对上述语义分割结果图和上述全局特征进行运算，得到行人前景及行人不同身体部位分别对应的第一局部特征图；对上述第一局部特征图进行像素级注意力生成及特征提取，得到行人图像前景及行人的不同身体部位分别对应的第二局部特征图；融合上述行人图像全局特征与上述第二局部特征图，生成最终的特征图；根据上述最终的特征图，对上述行人图像中的行人进行重识别。

可选地，上述行人前景及行人的不同身体部位分别对应的语义分割结果图包括：全身对应的语义分割结果图、头部对应的语义分割结果图、上半身对应的语义分割结果图、腿部对应的语义分割结果图及脚部对应的语义分割结果图。

可选地，上述对上述全局特征及上述局部特征进行运算包括：分别将上述全身对应的语义分割结果图、上述头部对应的语义分割结果图、上述上半身对应的语义分割结果图、上述腿部对应的语义分割结果图及上述脚部对应的语义分割结果图与上述全局特征进行点对点乘积运算。

可选地，上述对上述第一局部特征图进行像素级注意力生成及特征提取包括：对上述第一局部特征图进行像素级注意力生成，得到上述第一局部特征图对应的像素级注意力图；将上述像素级注意力图与上述第一局部特征图进行点对点乘积运算，得到上述第二局部特征图。

可选地，上述根据上述最终的特征图，对上述行人图像中的行人进行重识别包括：根据上述最终的特征图，计算待识别行人与检索行人库中的每一位行人特征之间的欧氏距离；根据上述欧式距离对上述待识别行人进行重识别。

可选地，上述根据上述欧式距离对上述待识别行人进行重识别包括：对上述欧式距离进行升序排列；将排名靠前的欧氏距离对应的行人与上述待识别行人进行匹配。