[发明专利]一种行人重识别方法、装置、设备及存储介质

权利要求书

1.一种行人重识别方法，其特征在于，所述方法包括：

将包括待识别目标的目标图像，以及监控设备采集的至少一个监控图像输入已训练的行人重识别模型，获得所述行人重识别模型输出的行人重识别结果，所述行人重识别结果用于指示所述至少一个监控图像中是否存在所述待识别目标；

其中，所述行人重识别模型是采用循环迭代的方式训练得到的，每一轮迭代训练过程包括如下步骤：

基于本轮输入的各个训练样本，构造多个第一类三元组；其中，每个第一类三元组包括一个训练样本，与所述一个训练样本的相似度大于设定相似度阈值的至少一个正样本，以及与所述一个训练样本的相似度不大于设定相似度阈值的至少一个负样本，一个训练样本包括一个目标对应的监控图像；

在历史迭代次数不大于设定的迭代次数阈值时，基于所述多个第一类三元组，确定所述行人重识别模型的总损失值；

在所述历史迭代次数大于所述迭代次数阈值时，将所述多个第一类三元组中至少一个三元组更新为相应的第二类三元组，并基于未进行更新的多个第一类三元组以及更新后的至少一个第二类三元组，确定所述行人重识别模型的总损失值；其中，每个第二类三元组包括一个训练样本、与所述一个训练样本相似度最小的正样本，以及与所述一个训练样本相似度最大的负样本；

基于所述总损失值对所述行人重识别模型进行调整。

2.如权利要求1所述的方法，其特征在于，基于本轮输入的各个训练样本，构造多个第一类三元组，包括：

采用所述行人重识别模型包括的特征提取模块，对所述各个训练样本分别进行特征提取，相应获得多个图像特征向量；

基于获得的所述多个特征向量，构造所述多个第一类三元组；其中，每个第一类三元组包括一个训练样本对应的特征向量，相应的各个正样本各自对应的特征向量，以及相应的各个负样本各自对应的特征向量。

3.如权利要求2所述的方法，其特征在于，所述采用所述行人重识别模型包括的特征提取模块，对所述各个训练样本分别进行特征提取，相应获得多个图像特征向量，包括：

通过所述特征提取模块中包括的采样层对所述各个训练样本进行采样，获得多个第一特征向量；

通过所述特征提取模块中包括的池化层对所述多个第一特征向量进行池化处理，获得多个第二特征向量；

通过所述特征提取模块中包括的标准化层对所述多个第二特征向量进行标准化处理，获得所述多个图像特征向量。

4.如权利要求1所述的方法，其特征在于，基于所述多个第一类三元组，确定所述行人重识别模型的总损失值，包括：

针对所述多个第一类三元组，分别执行如下操作：

针对一个第一类三元组，根据所述一个第一类三元组包括的训练样本分别与各个正样本的相似度，以及所述一个第一类三元组包括的训练样本与各个负样本的相似度，确定所述一个第一类三元组对应的三元组损失值；

基于所述行人重识别模型包括的分类模块，分别根据各个训练样本所对应的多个正样本对相应的相似度和多个负样本对相应的相似度，确定所述各个训练样本各自对应的分类损失值；其中，每个正样本对包括一个训练样本，与所述一个训练样本的相似度大于设定相似度阈值的一个正样本；每个负样本对包括一个训练样本，与所述一个训练样本的相似度不大于设定相似度阈值的一个负样本；

基于所述各个第一类三元组各自对应的三元组损失值，以及所述各个训练样本各自对应的分类损失值，获得所述行人重识别模型的总损失值。

5.如权利要求4所述的方法，其特征在于，根据所述一个第一类三元组包括的训练样本分别与各个正样本的相似度，以及所述一个第一类三元组包括的训练样本与各个负样本的相似度，确定所述一个第一类三元组对应的三元组损失值，包括：

根据所述各个正样本各自对应的相似度，相应确定每个正样本对应的第一权重值；

根据所述各个负样本各自对应的相似度，相应确定每个负样本对应的第二权重值；

根据各个正样本各自对应的相似度和第一权重值，以及所述各个负样本各自对应的相似度和第二权重值，确定所述一个第一类三元组对应的三元组损失值。