[发明专利]用于行人重识别的匹配方法、装置、智能终端及存储介质

权利要求书

1.一种用于行人重识别的匹配方法，其特征在于，所述方法包括：

提取图库图像和被检索图像，并分别获取所述图库图像对应的第一行人前景图像和所述被检索图像对应的第二行人前景图像；

获取预设的二进制分割掩码，并将所述二进制分割掩码、所述第一行人前景图像和所述第二行人前景图像输入已训练的度量学习模型，得到若干分割区域对应的特征距离；其中，每个分割区域对应第一行人前景图像的部分图像区域；每个分割区域对应第二行人前景图像的部分图像区域；所述度量学习模型基于各种服饰、各种姿态和各种部分被遮挡的样本训练得到；

根据若干分割区域对应的特征距离，得到若干分割区域对应的相似度得分，并根据各个分割区域对应的相似度得分，得到匹配结果。

2.根据权利要求1所述的用于行人重识别的匹配方法，其特征在于，所述分别获取所述图库图像对应的第一行人前景图像和所述被检索图像对应的第二行人前景图像包括：

基于多人解析模型，对所述图库图像进行分割，得到所述图库图像对应的第一行人前景图像；

基于多人解析模型，对所述被检索图像进行分割，得到所述被检索图像对应的第二行人前景图像。

3.根据权利要求1所述的用于行人重识别的匹配方法，其特征在于，所述度量学习模型的训练过程包括：

获取初始图像对，并通过改变所述初始图像对中的前景图像的外观属性的方式，对所述初始图像对进行样本扩充，得到扩充图像对；

将所述扩充图像对加入所述初始图像对，得到图像样本对；

将所述图像样本对作为正图像样本对，并根据所述正图像样本对获取负图像样本对；

将所述二进制分割掩码、所述正图像样本对和所述负图像样本对输入度量学习模型，输出若干分割区域对应的预测特征距离；

根据各个分割区域对应的预测特征距离，得到总损失函数，并根据所述损失函数对所述度量学习模型的参数进行调整，以得到已训练的度量学习模型。

4.根据权利要求3所述的用于行人重识别的匹配方法，其特征在于，所述通过改变所述初始图像对中的前景图像的外观属性的方式，对所述初始图像对进行样本扩充，得到扩充图像对包括：

基于预设的第一网络，对所述初始图像对中的前景图像进行姿态转换，得到所述初始图像对对应的第一图像对；

基于预设的第二网络，对所述第一图像对进行训练域转换；

基于预设的第三网络，将经过训练域转换后的第一图像对中的前景图像进行服饰变换，得到第二图像对；

获取所述第二图像对对应的初始语义图，并将所述初始语义图中部分区域的所有像素值置0，得到目标语义图；将所述目标语义图分别乘以所述第二图像对中的每一个图像，得到扩充图像对。

5.根据权利要求3所述的用于行人重识别的匹配方法，其特征在于，所述度量学习模型包括卷积神经网络和交叉卷积模块；所述将所述二进制分割掩码、所述正图像样本对和所述负图像样本对输入度量学习模型，输出若干分割区域对应的预测特征距离包括：

将所述正图像样本对和所述负图像样本对输入所述卷积神经网络，输出所述正图像样本对对应的第一特征对和所述负图像样本对对应的第二特征对；

基于所述二进制分割掩码对所述第一特征对和所述第二特征对进行分割，得到四张图像样本各个分割区域的特征；

将四张图像样本各个分割区域的特征输入交叉卷积模块，得到若干分割区域对应的预测特征距离。