[发明专利]一种行人重识别方法、装置、计算机设备及存储介质

权利要求书

1.一种行人重识别方法，其特征在于，所述行人重识别方法包括：

获取待识别图像，并将所述待识别图像输入行人重识别模型，其中，所述行人重识别模型包括主干网络和光照感知网络，所述主干网络包括N+2个卷积层，所述光照感知网络包括N个光照感知模块，第i+1个卷积层与第i个光照感知模块连接，所述i的取值范围为（1，N）且所述i为正整数；

基于所述主干网络的第一个卷积层，对所述待识别图像进行特征提取，得到第一特征图，并将所述主干网络的第二个卷积层作为当前卷积层；

采用所述当前卷积层对所述第一特征图进行特征提取，得到第二特征图；

采用与所述当前卷积层连接的光照感知模块，对所述第二特征图进行光照特征提取，得到感知特征图；

当所述当前卷积层对应的下一层卷积层不是最后一层卷积层时，则将所述第二特征图作为第一特征图，所述当前卷积层对应的下一层卷积层作为当前卷积层，并返回所述采用所述当前卷积层对所述第一特征图进行特征提取，得到第二特征图的步骤继续执行；

当所述当前卷积层对应的下一层卷积层为最后一层卷积层时，则对所述第二特征图进行卷积计算，得到第三特征图；

基于所有所述感知特征图和所述第三特征图，对所述待识别图像进行重识别处理，得到行人重识别结果。

2.如权利要求1所述的行人重识别方法，其特征在于，在所述获取待识别图像，并将所述待识别图像输入行人重识别模型的步骤之前，所述方法包括：

获取行人图像集；

基于残差网络，采用所述行人图像集中的行人图像对初始化主干网络进行预训练，得到预训练主干网络；

基于注意力算法，构建初始化光照感知网络；

基于所述预训练主干网络和所述初始化光照感知网络，构建初始化行人重识别模型；

基于预设的数据增强方式，对所述行人图像集中的行人图像进行数据增强，得到训练图像集；

根据所述训练图像集，对所述初始化行人重识别模型进行训练，得到行人重识别模型。

3.如权利要求2所述的行人重识别方法，其特征在于，所述基于预设的数据增强方式，对所述行人图像集中的行人图像进行数据增强，得到训练图像集的步骤包括：

从所述行人图像集中抽取出预设数量的行人图像作为待增强图像，并将所有所述待增强图像加入待增强图像集合中；

基于直方图算法，依次对所述待增强图像集合选取出的待增强图像进行亮度处理，得到所述待增强图像对应的增强结果；

对所有所述待增强图像和所述待增强图像对应的增强结果进行汇总，得到训练图像集。

4.如权利要求2所述的行人重识别方法，其特征在于，所述基于预设的数据增强方式，对所述行人图像集中的行人图像进行数据增强，得到训练图像集的步骤包括：

基于预设的图像分割方式，对所述行人图像集中的行人图像进行图像分割，得到每一张所述行人图像对应的分割结果，其中，所述分割结果包括前景区域图像和背景区域图像；

针对每一张所述行人图像，采用高斯分布分别对所述行人图像对应的前景区域图像和背景区域图像进行亮度调整，得到所述前景区域图像对应的前景调整图像和所述背景区域图像对应的背景调整图像；

针对每一张所述行人图像，将所述前景调整图像和所述背景调整图像进行组合，得到所述行人图像对应的曝光图像；

对所有所述曝光图像进行光源筛选，并将通过光源筛选的曝光图像对应的行人图像加入训练图像集中。

5.如权利要求2所述的行人重识别方法，其特征在于，所述基于预设的数据增强方式，对所述行人图像集中的行人图像进行数据增强，得到训练图像集的步骤包括：

基于生成对抗网络算法，确定预训练网络；

采用所述预训练网络对所述行人图像集进行训练，得到有色光源迁移模型；

基于所述有色光源迁移模型，对所述行人图像集中的行人图像进行数据增强，得到训练图像集。