[发明专利]自适应网络的行人重识别方法、装置、设备及存储介质

权利要求书

1.一种自适应网络的行人重识别方法，其特征在于，所述方法包括：

获取行人视频，利用行人检测算法提取所述行人视频中行人图像；

根据当前场景自适应调整冗余的残差网络结构至最佳网络结构；进一步包括：

所述冗余的残差网络结构包括一个global分支与若干个细粒度patch分支，其中，若干个所述细粒度patch分支按其划分方式包括两个细粒度patch分支、以及大于2的多个奇数个细粒度patch分支；

根据当前场景自适应调整冗余的残差网络结构中细粒度patch分支的数量，在多个奇数个细粒度patch分支从精到粗递减划分的细粒度patch分支的数量，将所述残差网络结构内每个分支分别接softmax损失函数与triplet损失函数进行训练至收敛；

判断每个细粒度分支对应的patch特征权重是否小于预设阈值，如果所述patch特征权重小于预设阈值时，则删除该细粒度分支；如果所述patch特征权重不小于预设阈值时，则保留该细粒度分支；或， 计算按多个奇数个划分方式对应的细粒度patch分支各自的特征权重，删除特征权重最小的细粒度patch分支对应的划分方式；

计算删除该细粒度patch分支后的网络结构的识别率，直到某次删除某个划分方式所对应的细粒度patch分支导致当前的网络结构的识别率小于应用场景识别率需求指标时，则将保留该划分方式所对应的当前的网络结构作为当前场景的最佳网络结构；否则，将剩余的细粒度patch分支与global分支形成的网络结构重新训练至收敛，继续删除相应细粒度patch分支，直到匹配到当前场景的最佳网络结构为止；

利用基于残差网络的所述最佳网络结构提取待测的所述行人图像的特征向量，利用最佳网络结构中global分支与细粒度patch分支各自得到global特征与细粒度patch特征，融合global特征与细粒度patch特征得到待测的所述行人图像的特征向量；

识别待测行人与预设行人之间的特征向量的余弦相似度得到行人重识别结果。

2.根据权利要求1所述的自适应网络的行人重识别方法，其特征在于，所述识别待测行人与预设行人之间的特征向量的余弦相似度得到行人重识别结果的步骤，包括：

识别待测行人与预设行人之间的特征向量的余弦相似度；当待测行人与预设行人的特征向量余弦相似度达到预设值时，判定两者为同一行人；当待测行人与预设行人的特征向量余弦相似度未达到预设值时，判定两者不为同一行人。