[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

说明书

本发明公开了一种行人重识别方法、装置、计算机设备及存储介质，所述方法包括：获取待识别图像；基于主干网络对待识别图像进行特征提取，得到第一特征图，采用当前卷积层对第一特征图进行特征提取，得到第二特征图；对第二特征图进行感知处理，得到感知特征图；当下一层卷积层不是最后一层卷积层时，则将第二特征图作为第一特征图，当前卷积层对应的下一层卷积层作为当前卷积层，并返回采用当前卷积层对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；否则对第二特征图进行卷积计算得到第三特征图；基于感知特征图和第三特征图对待识别图像进行重识别处理，得到行人重识别结果，采用本发明提高不同光照影响下的行人重识别准确率。

技术领域

本发明涉及计算机视觉领域，尤其涉及一种行人重识别方法、装置、计算机设备及存储介质。

背景技术

随着硬件算力的飞速发展和人工智能计算机视觉技术，尤其是深度学习技术的快速发展和普及，计算机视觉技术在智慧城市安全领域有着广泛的应用。

行人重识别(Person Re-identification)是一种利用计算机视觉技术，旨在从大规模的分布式监控系统中搜索判断是否存在特定行人的技术，也称作行人再识别，简称为Re-ID。在监控摄像头视频中，摄像头的安装分布存在安装位置，安装角度，安装环境，摄像头分辨率各异的情况，摄像头的视频图像呈现因背景、时空行人姿态和环境光照影响的不同而存在差异。因此，行人重识别时需要克服监控摄像头的各种差异。但是，由于监控场景下存在不同光照亮度差异，不同曝光度差异，顺逆光差异，甚至环境有色光源干扰等一系列光照影响，导致对行人重识别的准确性有很大的影响。在大多数场景下，光照影响导致了行人重识别存在识别准确率低的问题。

因此，现有的行人重识别中存在因光照影响而导致的识别准确率低的问题。

发明内容

本发明实施例提供一种行人重识别方法、装置、计算机设备和存储介质，以提高不同光照影响下的行人重识别准确率。

为了解决上述技术问题，本申请实施例提供一种行人重识别方法，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感知处理，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。

为了解决上述技术问题，本申请实施例还提供一种行人重识别装置，包括。

待识别图像获取模块，用于获取待识别图像，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。