[发明专利]一种基于混合监督的行人重识别方法及系统

说明书

本公开一种基于混合监督的行人重识别方法及系统，包括：选取单摄像头标注行人图像和无标注行人图像为训练图像样本；对所述无标注行人图像进行聚类，分割成聚类行人图像和非聚类异常值，并判断聚类可靠性；提供单摄像头标注行人图像、无标注的聚类行人图像和非聚类异常值的监督信号，将监督信号和编码器进行联合训练；动态更新单摄像头标注行人图像、无标注的聚类行人图像和非聚类异常值的监督信号；本公开通过单摄像头标注数据和无标注数据的所有可用信息进行联合特征学习，并且使用无标注数据的最可靠聚类进行训练，提供更可靠的学习目标。

技术领域

本公开属于计算机视觉技术领域，尤其涉及一种基于混合监督的行人重识别方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

在监控视频中，由于相机分辨率和拍摄角度的缘故，通常无法得到质量非常高的人脸图片；当人脸识别失效的情况下，行人重识别就成为了一个非常重要的替代品技术；行人重识别是继人脸识别后的一个重要研究方向；研究的对象是人的整个特征，包括衣着、体态、发型、姿态等等；它可以作为人脸识别技术的补充，并相互作用，应用于更多场景。

行人重识别的目的是在不同的摄像头上找到同一个人；训练这样的系统通常需要从监控视频中注释大量的跨摄像头行人，这是非常耗人力的，特别是当有足够多的摄像头。近年来，伪标签方法为行人重识别带来了巨大的性能改进；但是由于其方法的局限性，在训练时有标注数据可能未被考虑到，并且为了保证伪标签的可靠性，聚类过程中的离群值会被丢弃，不再用于训练；然而，这些离群值可能是训练过程中困难但有价值的样本。

发明内容

本公开为了解决上述问题，提出了一种基于混合监督的行人重识别方法及系统，本公开通过单摄像头标注数据和无标注数据的所有可用信息进行联合特征学习，并且使用无标注数据的最可靠聚类进行训练，提供更可靠的学习目标。

为了实现上述目的，本发明是通过如下的技术方案来实现：

第一方面，本公开提供了一种基于混合监督的行人重识别方法，包括：

选取单摄像头标注行人图像和无标注行人图像为训练图像样本；

对所述无标注行人图像进行聚类，分割成聚类行人图像和非聚类异常值，并判断聚类可靠性；

提供单摄像头标注行人图像、无标注的聚类行人图像和非聚类异常值的监督信号，将监督信号和编码器进行联合训练；

动态更新单摄像头标注行人图像、无标注聚类行人图像和非聚类异常值的监督信号。

进一步的，选取训练图像的内容为：

为每个人随机选择一个摄像机，并将所选摄像机下的图像作为训练图像；

采用自步聚类策略将无标注的训练图像样本分为聚类和聚类离群值。

进一步的，图像聚类的内容为：

通过DBSCAN算法对无标注行人图像进行聚类，将无标注行人图像分割成聚类行人图像和非聚类异常值；

利用自步对比学习策略，在每个epoch之前的重新聚类中，仅保留最可靠的聚类，将不可靠的聚类分解回未聚类的实例中。

进一步的，通过聚类标准松散时包含的类集合确定聚类的独立性，通过聚类标准收紧时包含的类集合确定聚类的紧凑性；通过度量聚类的独立性和紧凑性来识别不可靠的聚类。

进一步的，图像训练的内容为：

编码来自单摄像头标注行人图像和无标注行人图像的所有可用信息，用于特征学习；