[发明专利]行人重识别方法、相关设备及可读存储介质

说明书

本申请公开了一种行人重识别方法、相关设备及可读存储介质，先基于包含RGB图像和红外图像的图像对训练得到特征提取模型，在获取待查询图像之后，将待查询图像输入特征提取模型，该特征提取模型输出该待查询图像的特征，通过将该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，即可得到所述待查询图像对应的行人重识别结果。在本申请中，特征提取模型是基于RGB图像和红外图像训练得到的，无论是对RGB图像进行特征提取，还是对红外图像进行特征提取都能保证提取特征的有效性，因此，能够提升行人重识别结果的准确性。

技术领域

本申请涉及图像处理技术领域，更具体的说，是涉及一种行人重识别方法、相关设备及可读存储介质。

背景技术

行人重识别(ReID，Person re-identification)旨在从大型图库中找出与被查询图像相同的人的图像，大型图库中包含多个已知行人身份信息的图像。在对被查询图像进行行人重识别时，需要将被查询图像输入特征提取模型，得到被查询图像的特征，然后将被查询图像的特征与大型图库中各个图像的特征进行匹配，确定被查询图像的行人重识别结果。

但是，目前的特征提取模型是基于大量的RGB模态的图像训练得到的，而在一些场景中，被查询图像可能是红外(IR)图像(比如，红外摄像机在夜间捕获的图像)，红外图像与RGB图像之间存在巨大的差异(比如，红外图像丢失了丰富的颜色信息)，因此，采用目前的特征提取模型对红外图像进行特征提取时，会导致得到的特征丢失一些重要信息，导致行人重识别结果准确度降低。

因此，如何对行人重识别方案进行优化，以提升行人重识别结果的准确度，成为本领域技术人员亟待解决的技术问题。

发明内容

鉴于上述问题，本申请提出了一种行人重识别方法、相关设备及可读存储介质。具体方案如下：

一种行人重识别方法，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。

可选地，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。

可选地，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；