[发明专利]基于可靠性建模的无监督行人重识别方法及系统

权利要求书

1.一种基于可靠性建模的无监督行人重识别方法，其特征在于，包括以下步骤：

步骤S1，采集多个行人图像样本构建训练数据集；

步骤S2，利用平均编码器对所述训练数据集进行特征提取，并将得到的平均特征集进行聚类为每个训练样本分配伪标签，以计算每个簇的质心构建质心矩阵；

步骤S3，将所述质心矩阵作为分类器的权重以计算每个平均特征的平均概率向量，并根据所述平均概率向量和所述伪标签计算伪标签确定性，具体包括：

步骤S301，预设一个非参数化的质心分类器，利用所述质心分类器计算任意样本的平均概率向量；

步骤S302，对所述多个伪标签进行平滑处理；

步骤S303，计算所述平均概率向量和平滑后的伪标签的第一KL散度以评估所述伪标签确定性；

步骤S4，利用在线编码器对所述训练数据集进行在线特征提取，以计算每个在线特征的在线平均概率向量，根据所述在线平均概率向量和所述平均概率向量计算伪标签稳定性，具体包括：

步骤S401，利用所述在线编码器对所述训练数据集进行在线特征提取，得到多个在线特征；

步骤S402，使用所述质心分类器计算每个在线特征的在线概率向量；

步骤S403，计算所述平均概率向量和所述在线概率向量的第二KL散度以评估所述伪标签稳定性；

步骤S5，基于所述伪标签确定性和所述伪标签稳定性计算伪标签可靠性，并利用所述可靠性确定质心对比损失函数，其中，

所述伪标签可靠性为：

其中，w_i为任意样本的伪标签可靠性，r为控制权重的增加速度的超参数，t∈[0,1]为训练进度，为所述伪标签确定性，为所述伪标签稳定性；

质心对比损失函数为：

其中，L_w为质心对比损失函数，E为求均值操作，w_i为任意样本的伪标签可靠性并作为f_i对应的权重，f_i为锚点的在线特征，为锚点所述簇的质心，τ₃为温度超参数，j为当前阶段的质心索引，|c|为当前阶段的质心总数，为当前阶段的任意质心；

步骤S6，利用所述质心对比损失函数和身份困难对比损失函数对所述在线编码器进行优化，再利用优化后的在线编码器权重对所述平均编码器进行优化，其中，所述身份困难对比损失函数为：

其中，L_h为身份困难对比损失函数，E为求均值操作，f_i为锚点的在线特征，a_i为平均编码器提取的样本x_i的特征向量，τ₄为温度超参数，j'为所优化样本的索引，P为最困难的正样本和困难负样本的总数，a_j'为最困难的正样本或困难负样本的平均特征；

步骤S7，利用优化后的平均编码器对待测数据集进行特征提取，以确定具有指定身份的行人图像。

2.根据权利要求1所述的基于可靠性建模的无监督行人重识别方法，其特征在于，所述步骤S2具体包括：

步骤S201，利用所述平均编码器对所述训练数据集进行特征提取，得到所述平均特征集；

步骤S202，利用DBSCAN算法对所述平均特征集进行聚类，为每个训练样本分别分配所述伪标签；

步骤S203，计算每个簇的质心，并构建所述质心矩阵。