[发明专利]一种行人重识别方法、装置、终端及存储介质

说明书

本发明公开了一种行人重识别方法、装置、终端及存储介质，本发明预先通过具有域内关系的第一训练图像集和具有域间关系的第二训练图像集训练得到目标度量网络，使得目标度量网络既能在同域内的不相干视图中辨别人，也能在不同的未知域中辨别人。解决了现有技术中在简单的封闭相机域下完成的度量学习方法，难以适用于包含有许多未知相机域的现实世界相机域的问题。

技术领域

本发明涉及图像识别领域，尤其涉及的是一种行人重识别方法、装置、终端及存储介质。

背景技术

随着计算机和图像识别技术的发展，人脸识别技术得到了世界各个机构的关注，对人脸识别技术的研究应运而生。相较于传统的使用欧式距离公式确定人脸图像的距离和相似性的人脸识别方法，度量学习方法能够更好地降低人脸图像中的特征干扰的影响，得到更准确地人脸识别结果。然而目前应用在人脸识别中的度量学习方法是在简单的封闭相机域下学习得到的，由于复杂的现实世界相机域包含有许多未知相机域，因此现有的度量学习方法难以适用于复杂的现实世界相机域。

因此，现有技术还有待改进和发展。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种行人重识别方法、装置、终端及存储介质，旨在解决现有技术中在简单的封闭相机域下完成的度量学习方法，难以适用于包含有许多未知相机域的现实世界相机域的问题。

本发明解决问题所采用的技术方案如下：

第一方面，本发明实施例提供一种行人重识别方法，其中，所述方法包括：

获取第一图像和第二图像，其中，所述第一图像中包含目标对象，所述第一图像和所述第二图像分别对应同一相机域的不同视图或者分别对应不同相机域的视图；

将所述第一图像和所述第二图像输入预先构建的目标度量网络，获取所述目标度量网络基于所述第一图像和所述第二图像输出的相似度值，其中，所述目标度量网络预先经过训练数据集训练，所述训练数据集包括第一训练图像集和第二训练图像集，所述第一训练图像集包括同一相机域下的不同视图，所述第二训练图像集包括各相机域中的人物转换至不同相机域下的视图；

根据所述相似度值，判断所述第二图像中是否包含所述目标对象。

在一种实施方式中，所述目标度量网络的训练过程包括：

获取训练数据集，其中，所述训练数据集包括若干批训练数据；

根据若干批所述训练数据，对预设的卷积神经网络进行迭代更新；

根据迭代更新后的所述卷积神经网络，确定所述目标度量网络；

其中，每一次迭代更新基于一批所述训练数据，一次迭代更新的过程包括：

获取特征集合，其中，所述特征集合包括若干特征，若干所述特征分别用于反映所述卷积神经网络中的不同层级的特征；

根据该批所述训练数据确定核集合，其中，所述核集合包括若干内核；

根据所述特征集合，对若干所述内核分别对应的核权重值进行更新；

根据若干所述内核分别对应的更新后的核权重值，确定目标特征空间；

根据所述特征集合，对所述卷积神经网络对应的网络权重值进行更新。

在一种实施方式中，所述根据该批所述训练数据确定核集合，包括：

根据该批所述训练数据确定若干聚类数据，其中，若干所述聚类数据分别对应不同的相机域；

根据每一所述聚类数据确定一组所述内核，其中，每组所述内核的数量相等；

根据若干所述聚类数据分别对应的一组所述内核，生成所述核集合。