[发明专利]行人重识别方法、相关设备及可读存储介质

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：

获取待查询图像；

将所述待查询图像输入特征提取模型，所述特征提取模型输出所述待查询图像的特征；所述特征提取模型是基于包含RGB图像和红外图像的图像对训练得到的；

将所述待查询图像的特征与查询数据库中各个行人图像的特征进行匹配，得到所述待查询图像对应的行人重识别结果。

2.根据权利要求1所述的方法，其特征在于，所述特征提取模型的训练方式如下：

获取预先构建的特征提取模型训练网络，所述特征提取模型训练网络包括特征提取模块、属性分类模块、特征融合模块、特征对齐模块以及身份预测模块；

获取训练用图像对，所述训练用图像对包含RGB图像和红外图像；每个训练用图像对标注有身份标签和属性标签；

以所述训练用图像对为训练样本，以所述训练用图像对标注的身份标签和属性标签为样本标签，以所述属性分类模块、所述身份预测模块以及所述特征对齐模块的联合损失训练所述特征提取模型训练网络，所述特征提取模型训练网络收敛时，所述特征提取模块即为所述特征提取模型。

3.根据权利要求2所述的方法，其特征在于，在所述特征提取模型训练网络训练过程中，所述特征提取模块对所述训练用图像对中的RGB图像和红外图像进行特征提取，得到所述RGB图像的全局特征、所述红外图像的全局特征、所述图像对的整体局部特征；

所述属性分类模块基于所述图像对的整体局部特征生成所述图像对的新的整体局部特征，以及，基于所述图像对的整体局部特征对所述图像对的属性进行预测，得到属性预测结果，所述属性预测结果与所述训练用图像对的属性标签间的差异为所述属性分类模块的损失；

所述特征融合模块对所述图像对的新的整体局部特征和所述RGB图像的全局特征进行融合，得到所述RGB图像的新的全局特征，以及，对所述图像对的新的整体局部特征和所述红外图像的全局特征进行融合，得到所述红外图像的新的全局特征；

所述特征对齐模块基于所述RGB图像的新的全局特征以及所述图像对的属性标签，得到合成的红外模态特征；基于所述红外图像的新的全局特征以及所述图像对的属性标签，得到真实红外模态特征；基于所述合成的红外模态特征和所述真实红外模态特征，生成中间模态特征，所述中间模态特征与所述合成的红外模态特征的差异以及所述中间模态特征与所述真实红外模态特征的差异为所述特征对齐模块的损失；

所述身份预测模块基于所述RGB图像的新的全局特征和所述红外图像的新的全局特征对所述图像对的身份进行预测，得到身份预测结果，所述身份预测结果与所述训练用图像对的身份标签间的差异为所述身份预测模块的损失。

4.根据权利要求3所述的方法，其特征在于，所述特征提取模块包括输入层、中间层和最后层；

所述特征提取模块对所述训练用图像对中的RGB图像和红外图像进行特征提取，得到所述RGB图像的全局特征、所述红外图像的全局特征、所述图像对的整体局部特征，包括：

所述输入层生成所述训练用图像对中RGB图像的输入序列，以及，所述训练用图像对中红外图像的输入序列；

所述中间层对所述RGB图像的输入序列进行编码，得到所述RGB图像的局部特征，以及，对所述红外图像的输入序列进行编码，得到所述红外图像的局部特征；

所述最后层对所述RGB图像的局部特征进行编码，得到所述RGB图像的全局特征，以及，对所述红外图像的局部特征进行编码，得到所述红外图像的全局特征。

5.根据权利要求4所述的方法，其特征在于，所述输入层生成所述训练用图像对中RGB图像的输入序列，包括：

获取所述训练用图像对中RGB图像对应的各分块的特征序列，以及位置序列；

将预设标记与所述RGB图像对应的各分块的特征序列、以及位置序列组成所述RGB图像的输入序列；

所述输入层生成所述训练用图像对中红外图像的输入序列，包括：

获取所述训练用图像对中红外图像对应的各分块的特征序列，以及位置序列；

将预设标记与所述红外图像对应的各分块的特征序列、以及位置序列组成所述红外图像的输入序列。