一种目标重识别模型训练方法、目标重识别方法及其相关装置与流程

本申请涉及目标识别，特别是涉及一种目标重识别模型训练方法、目标重识别方法及其相关装置。

背景技术：

1、目标重识别的应用范围非常广泛，例如应用在安防监控领域，在密集场所或多相机中精确定位某一个具体的目标，从而获取对应目标在不同时间、地点的整体行动轨迹信息。但是受限于摄像机画面下目标角度、距离的变化以及遮挡等因素的影响，目标重识别的效果较差。

技术实现思路

1、本申请主要解决的技术问题是提供一种目标重识别模型训练方法、目标重识别方法及其相关装置，能够提高目标重识别模型的识别能力。

2、为解决上述技术问题，本申请第一方面提供了一种目标重识别模型训练方法，该方法包括：利用目标重识别模型的特征提取网络对不同相机拍摄到的样本图像进行特征提取，得到样本图像中的样本的全局特征和局部特征；利用训练集对目标重识别模型包含的至少一个分类器进行训练，得到各分类器的参考平衡参数；并利用测试集和参考平衡参数对训练后的各分类器进行测试，得到各分类器的测试结果；其中，训练集和测试集均包含样本的全局特征和至少部分局部特征，分类器与相机一一对应；基于各分类器的测试结果，更新各分类器的参数，得到各目标分类器；利用各目标分类器对样本的全局特征和局部特征进行识别，得到样本图像的第一识别结果；基于第一识别结果，调整特征提取网络和各目标分类器的参数。

3、为解决上述技术问题，本申请第二方面提供了一种目标重识别方法，该方法包括：获取若干目标图像；其中，目标图像由不同相机拍摄得到；利用目标重识别模型的特征提取网络对若干目标图像进行特征提取，得到若干目标图像中的目标的全局特征和局部特征；利用目标重识别模型的各目标分类器分别对目标的全局特征和局部特征进行识别，得到若干目标图像的各目标识别结果；其中，目标重识别模型为利用上述第一方面提供的方法训练得到的目标重识别模型。

4、为解决上述技术问题，本申请第三方面提供了一种电子设备，该设备包括相互耦接的存储器和处理器，存储器存储有程序指令；处理器用于执行存储器中存储的程序指令，以实现上述第一方面提供的目标重识别模型的训练方法，或实现上述第二方面提供的目标重识别方法。

5、为解决上述技术问题，本申请第四方面提供了一种计算机可读存储介质，该计算机可读存储介质用于存储程序指令，该程序指令能够被执行以实现上述第一方面提供的目标重识别模型的训练方法，或实现上述第二方面提供的目标重识别方法。

6、本申请的有益效果是：区别于现有技术的情况，本申请利用目标重识别模型的特征提取网络对不同相机拍摄到的样本图像进行特征提取，得到样本图像中的样本的全局特征和局部特征；利用训练集对目标重识别模型包含的至少一个分类器进行训练，得到各分类器的参考平衡参数；并利用测试集和参考平衡参数对训练后的各分类器进行测试，得到各分类器的测试结果；其中，训练集和测试集均包含样本的全局特征和至少部分局部特征，分类器与相机一一对应；基于各分类器的测试结果，更新各分类器的参数，得到各目标分类器；利用各目标分类器对样本的全局特征和局部特征进行识别，得到样本图像的第一识别结果；基于第一识别结果，调整特征提取网络和各目标分类器的参数。通过设置多个分类器，每个分类器对应一个相机，通过训练各分类器，提高各分类器对不同风格的图像特征的适应能力，进一步地，调整特征提取网络和多个目标分类器的参数，使得单个分类器在适应其对应的相机拍摄到的图像的特征的同时具备目标在其他场景的特征泛化能力，进而提高目标重识别模型的识别能力。

技术特征：

1.一种目标重识别模型的训练方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述训练集包括所述全局特征和部分所述局部特征随机融合后得到的第一融合特征；所述测试集包括所述全局特征和除部分所述局部特征以外的所述局部特征随机融合得到的第二融合特征。

3.根据权利要求2所述的方法，其特征在于，所述利用训练集对目标重识别模型包含的至少一个分类器进行训练，得到各所述分类器的参考平衡参数，包括：

4.根据权利要求3所述的方法，其特征在于，所述基于所述第一样本特征与第一正样本特征之间的第一距离，以及所述第一样本特征与第一负样本特征之间的第二距离，确定第一损失和第二损失，包括：

5.根据权利要求1所述的方法，其特征在于，所述基于所述第一识别结果，调整所述特征提取网络和各所述分类器的参数，包括：

6.根据权利要求1所述的方法，其特征在于，在所述利用训练集对目标重识别模型包含的至少一个分类器进行训练，得到各所述分类器的参考平衡参数之前，还包括：

7.根据权利要求6所述的方法，其特征在于，所述利用预训练集对所述特征提取网络和所述至少一个分类器进行预训练，包括：

8.一种目标重识别方法，其特征在于，所述方法包括：

9.一种电子设备，其特征在于，电子设备包括相互耦接的存储器和处理器，

10.一种计算机可读存储介质，其特征在于，计算机可读存储介质用于存储程序指令，程序指令能够被执行以实现权利要求1-7任一项所述的目标重识别模型的训练方法，或实现权利要求8所述的目标重识别方法。

技术总结
本申请公开了一种目标重识别模型训练方法、目标重识别方法及其相关装置，训练方法包括利用目标重识别模型的特征提取网络对不同相机拍摄到的样本图像进行特征提取，得到样本图像中的样本的全局特征和局部特征；利用训练集对目标重识别模型包含的至少一个分类器进行训练，得到各分类器的参考平衡参数；利用测试集和参考平衡参数对训练后的各分类器进行测试，得到各分类器的测试结果；基于各分类器的测试结果，更新各分类器的参数，得到各目标分类器；利用各目标分类器对样本的全局特征和局部特征进行识别，得到第一识别结果；基于第一识别结果，调整特征提取网络和各目标分类器的参数。通过上述方式，本申请能够提高目标重识别模型的识别能力。

技术研发人员：叶凡杰,程淼,周祥明,张朋,蔡丹平,吕智兵,符哲蔚,丁乃英,刘东,刘明,邓志吉
受保护的技术使用者：浙江大华技术股份有限公司
技术研发日：
技术公布日：2024/1/12