[发明专利]一种目标重识别的方法、装置、系统及计算机存储介质

说明书

本发明提供了一种目标重识别的方法、装置、系统及计算机存储介质，所述方法包括：获取目标图像和待识别图像序列；将所述待识别图像序列和所述目标图像输入训练好的输入目标重识别模型，得到目标重识别结果；其中，所述目标重识别结果包括所述待识别图像序列中与所述目标图像属于同一目标的待识别图像，所述目标重识别模型包括多个阶段网络，至少一个所述阶段网络包括第一残差模块，所述第一残差模块包括自适应规范化层，所述自适应规范化层包括实例正则化层和批规范化层，所述实例正则化层和所述批规范化层的通道数之和为所述自适应规范化层的通道数。根据本发明的方法、装置、系统及计算机存储介质，通过对目标重识别网络中规范化层的改进，有效提升了目标重识别的识别性能及其域自适应学习能力。

技术领域

本发明涉及目标识别技术领域，更具体地涉及目标重识别的处理。

背景技术

随着社会和科技的进步，目标识别越来越成为一项可依赖的技术，如人脸识别已经被作为广泛应用的安防手段。但是，对于现今大部分摄像头而言，其分辨率往往不能达到人脸识别系统的要求，所以可以有时需要对现有监控系统的目标(如行人、车辆等)进行重识别。行人重识别(Person re-identification)可以是利用图像处理技术来判定某一摄像头下的行人是否出现在其他摄像头中，从而可以描绘行人的活动路径，实现跨镜头追踪的目的。目前常用的行人重识别技术主要有表征学习、度量学习、基于局部特征或视频序列等，然而这些行人重识别技术对目标的识别准确度并不高。

因此，现有技术中目标重识别技术存在识别准确度不高的问题。

发明内容

考虑到上述问题而提出了本发明。本发明提供了目标重识别的方法、系统及计算机存储介质，以解决识别准确度不高的问题。

根据本发明的第一方面，提供了一种目标重识别的方法，包括：

获取目标图像和待识别图像序列；

将所述待识别图像序列和所述目标图像输入训练好的目标重识别模型，得到目标重识别结果；

其中，所述目标重识别结果包括所述待识别图像序列中与所述目标图像属于同一目标的待识别图像，所述目标重识别模型包括多个阶段网络，至少一个所述阶段网络包括第一残差模块，所述第一残差模块包括自适应规范化层，所述自适应规范化层包括实例正则化层和批规范化层，所述实例正则化层和所述批规范化层的通道数之和为所述自适应规范化层的通道数。

根据本发明的第二方面，提供了一种目标重识别的装置，包括：

获取模块，用于获取目标图像和待识别图像序列；

重识别模块，用于将所述待识别图像序列和所述目标图像输入训练好的目标重识别模型，得到目标重识别结果；

其中，所述目标重识别结果包括所述待识别图像序列中与所述目标图像属于同一目标的待识别图像，所述目标重识别模型多个阶段网络，至少一个所述阶段网络包括第一残差模块，所述第一残差模块包括包括自适应规范化层，所述自适应规范化层包括实例正则化层和批规范化层，所述实例正则化层和所述批规范化层的通道数之和为所述自适应规范化层的通道数。

根据本发明的第三方面，提供了一种目标重识别的系统，包括存储器、处理器及存储在所述存储器上且在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述方法的步骤。

根据本发明的第四方面，提供了一种计算机存储介质，其上存储有计算机程序，所述计算机程序被计算机执行时实现如第一方面所述方法的步骤。

根据本发明实施例的目标重识别的方法、系统及存储介质，通过引入自适应规范化层，优化目标重识别网络中残差模块的规范化层，有效提升了目标重识别的识别性能及其域自适应学习能力。

附图说明