[发明专利]一种基于对比学习的相机内有监督跨相机行人重识别方法

说明书

本发明公开了一种基于对比学习的相机内有监督跨相机行人重识别方法。首先经过多相机拍摄采集，获得子图片集和待训练的行人图片集，独立地在每个相机下对图片所代表行人进行标注，不对跨相机行人进行标注。之后以每个相机下的每个行人作为一个节点构造行人图，基于行人图对跨相机行人进行关联，对待训练的行人图片集处理获得每个图片的伪标签；将待训练的行人图片集以小批次训练方式输入到参考网络模型中进行训练，使用渐进对比损失函数进行监督；重复小批次训练；重复进行多次训练周期的训练，将多次训练周期的训练过程分为两个阶段，对参考网络模型进行迭代优化，训练结束后，对训练所得的基础网络模型进行跨相机行人重识别应用。本发明方法在只需同个相机内标注的半监督场景下，可达到与全监督场景相当的重识别准确率。

技术领域

本发明属于计算机视觉技术领域的一种跨相机行人图像处理方法，尤其是涉及了一种基于对比学习的相机内有监督跨相机行人重识别方法。

背景技术

行人重识别要解决的问题是在不同的相机之间对同一个行人进行检索和匹配，也即跨相机行人重识别；由于行人重识别在安防、监控等方面的重要应用，这一任务在近几年吸引了工业界和学术界的广泛研究与关注。

虽然行人重识别任务取得了较大的发展，但目前行人重识别模型和方法的高性能依赖于大量的标注数据；在实际应用场景中，由于行人繁多复杂，数据量大，对数据集进行完全标注十分昂贵，代价较高，限制了行人重识别技术在实际生产生活中的应用。

在行人图片的标注过程中，最费时费力的往往是对跨相机行人的标注。而在同相机中，由于行人的轨迹大多在时间上具有连续性，对同一个相机下的行人进行行人标注是相对更为容易的。

相机内有监督场景最早被提出是在Zhu Xiangping等人发表在《Proceedings ofthe IEEE International Conference on Computer Vision Workshops》的《Intra-camera supervised person re-identification:A new benchmark》文章中，这一场景假设行人编码标签是在每个相机内被独立标注的，而跨相机之间的行人关系未知。

由于只有同相机内的行人标注信息，没有跨相机的行人关联信息，这一场景下的方法设计面临着一定的挑战，之前在这一场景下被提出的方法包括：Zhu Xiangping等人发表在《Proceedings of the IEEE International Conference on Computer VisionWorkshops》的《Intra-camera supervised person re-identification:A newbenchmark》，Qi Lei等人发表在《arXiv:1908.05669》的《Progressive Cross-cameraSoft-label Learning for Semi-supervised Person Re-identification》，ZhuXiangping等人发表在《arXiv:2002.05046》的《Intra-camera supervised person re-identification》，Qi Lei等人发表在《arXiv:1908.00862》的《Intra-camera supervisedperson re-identification》，以及Menglin Wang等人发表在《2021Winter Conference onApplications of Computer Vision(WACV’21)》的《Towards precise intra-camerasupervised person re-identification》；这些方法虽然取得了较好的模型性能，但与全监督相比仍存在较大的差距，尤其是在一些规模较大的数据集上和全监督模型的差距较为明显。

现有针对相机内有监督场景的行人重识别方法，主要存在的问题是没有充分利用已知的同相机内标注信息，以及对于跨相机行人的关联没有进行准确预测，因而有待改进。

发明内容