[发明专利]一种基于联合判断与生成学习的行人重识别方法及装置

说明书

本发明实施例提供了基于联合判断与生成学习的行人重识别方法及装置，所述方法包括：基于给定的行人图像搭建生成学习卷积神经网络模块；基于所述生成学习卷积神经网络模块，搭建联合判别模块；所述联合判别模块用于学习所述重建图像和合成图像的初步特征，以及用于挖掘所述重建图像和合成图像的细粒度特征；基于所述生成学习卷积神经网络模块的损失函数和所述联合判别模块的损失函数，确定所述生成学习卷积神经网络模块和所述联合判别模块的整体网络的损失函数，根据所述整体网络的损失函数确定行人重识别系统模型；所述行人重识别系统模型用于基于行人图像对行人进行重识别。通过本发明实施例，能够提高行人识别的效率、准确性。

技术领域

本发明属于计算机视觉与智慧交通技术领域，具体是涉及到一种基于联合判断与生成学习的行人重识别方法、装置、终端设备及计算机可读介质。

背景技术

目前，图像处理与分析技术发展得越来越快。在行人重识别算法中，人们对使用生成模型来增强训练数据和增强输入变量中的不变性越来越感兴趣。但是，目前的大多数方法中的生成方法与重识别(Re-ID)特征学习阶段相对独立。通常，Re-ID模型通常以直接的方式对给定的数据进行训练，数据集往往性能不佳，训练效率不高。

发明内容

有鉴于此，本发明实施例提供一种基于联合判断与生成学习的行人重识别方法、装置、终端设备及计算机可读介质，能够提高行人识别的效率、准确性。

本发明实施例的第一方面提供了一种基于联合判断与生成学习的行人重识别方法，包括：

基于给定的行人图像搭建生成学习卷积神经网络模块；所述生成学习卷积神经网络模块包括自我生成网络和交叉生成网络；所述自我生成网络用于对给定的行人图像进行重建，生成重建图像，所述交叉生成网络用于对具有不同身份特征的行人图像进行合成，生成合成图像；

基于所述生成学习卷积神经网络模块，搭建联合判别模块；所述联合判别模块用于学习所述重建图像和合成图像的初步特征，以及用于挖掘所述重建图像和合成图像的细粒度特征；

基于所述生成学习卷积神经网络模块的损失函数和所述联合判别模块的损失函数，确定所述生成学习卷积神经网络模块和所述联合判别模块的整体网络的损失函数，并根据所述整体网络的损失函数确定行人重识别系统模型；所述行人重识别系统模型用于基于行人图像对行人进行重识别。

本发明实施例的第二方面提供了一种基于联合判断与生成学习的行人重识别装置，包括：

学习网络搭建模块，用于基于给定的行人图像搭建生成学习卷积神经网络模块；所述生成学习卷积神经网络模块包括自我生成网络和交叉生成网络；所述自我生成网络用于对给定的行人图像进行重建，生成重建图像，所述交叉生成网络用于对具有不同身份特征的行人图像进行合成，生成合成图像；

判别搭建模块，用于基于所述生成学习卷积神经网络模块，搭建联合判别模块；所述联合判别模块用于学习所述重建图像和合成图像的初步特征，以及用于挖掘所述重建图像和合成图像的细粒度特征；

重识别模型确定模块，用于基于所述生成学习卷积神经网络模块的损失函数和所述联合判别模块的损失函数，确定所述生成学习卷积神经网络模块和所述联合判别模块的整体网络的损失函数，并根据所述整体网络的损失函数确定行人重识别系统模型；所述行人重识别系统模型用于基于行人图像对行人进行重识别。

本发明实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于联合判断与生成学习的行人重识别方法的步骤。

本发明实施例的第六方面提供了一种计算机可读介质，所述计算机可读介质存储有计算机程序，所述计算机程序被处理执行时实现上述基于联合判断与生成学习的行人重识别方法的步骤。