[发明专利]图像处理方法、装置、重识别网络的训练方法及电子设备

说明书

本公开实施例公开了一种图像处理方法、装置、重识别网络的训练方法及电子设备，通过获取包括至少一个待识别对象的待识别图像，对待识别图像进行特征提取，得到包括全局特征信息和局部特征信息的特征图，并根据待识别图像的特征图获取至少一个待识别对象的特征向量信息，以根据待识别对象的特征向量信息和目标对象的特征向量信息确定待识别图像中的目标对象，由此，本公开实施例可以使得对象检测和对象识别操作共享待识别图像的特征图，并通过使得待识别图像的特征图包括全局特征信息和局部特征信息增强了特征信息的特征表达能力，从而提高了对象检测和对象识别的准确率。

技术领域

本公开涉及计算机技术领域，更具体地，涉及一种图像处理方法、装置、重识别网络的训练方法及电子设备。

背景技术

行人重识别(Person Re-identification，ReID)的概念在2006年的CVPR会议上第一次被提出，行人重识别可以概括为对已知行人的二次图像匹配技术，即已有某个人的图像，在未知数量的图像或视频帧中找到特定人的技术。

传统的ReID算法通过复杂且耗时的手工技术提取低级图像特征进行全局表示或局部描述，性能很大程度上依赖于人的经验，基本没有比较好的效果。目前通常基于深度学习来实现行人重识别，基于深度学习的ReID一般包括两部分：一是行人检测，使用神经网络，例如DPM(Deformable Parts Model，基于组件的目标检测算法)将图像中单个行人检测出来，二是重识别，训练卷积神经网络对行人图像进行重识别，以此判别行人的身份，但这种ReID很大程度上容易被行人检测结果的影响。

发明内容

有鉴于此，本公开提供一种图像处理方法、装置、重识别网络的训练方法及电子设备，以提高对象检测及对象识别的准确率。

第一方面，本公开实施例提供一种图像处理方法，所述方法包括：

获取待识别图像，所述待识别图像中包括至少一个待识别对象；

对所述待识别图像进行特征提取，得到所述待识别图像的特征图，所述待识别图像的特征图包括全局特征信息和局部特征信息；

根据所述待识别图像的特征图获取所述至少一个待识别对象的特征向量信息；

根据各所述待识别对象的特征向量信息和目标对象的特征向量信息，确定所述待识别图像中的目标对象。

可选的，对所述待识别图像进行特征提取，得到所述待识别图像的特征图包括：

将所述待识别图像输入到重识别网络的特征提取网络中进行特征提取，得到所述待识别图像的特征图，其中，所述特征提取网络的卷积层采用形变卷积。

可选的，根据所述待识别图像的特征图获取所述至少一个待识别对象的特征向量信息包括：

根据重识别网络的对象检测网络对所述特征图进行检测，得到至少一个待识别对象检测框；

根据所述重识别网络的对象识别网络对所述至少一个待识别对象检测框进行特征提取，得到所述至少一个待识别对象的特征向量信息。

可选的，所述特征图包括至少一个特征单元，其中，根据重识别网络的对象检测网络对所述特征图进行检测，得到至少一个待识别对象检测框包括：

对所述特征图中的各特征单元进行特征解码，得到各所述特征单元对应的检测框；

对各所述检测框进行去重复处理，得到至少一个待识别对象检测框。

可选的，根据各所述待识别对象的特征向量信息和目标对象的特征向量信息，确定所述待识别对象中的目标对象包括：

根据各所述待识别对象的特征向量信息和所述目标对象的特征向量信息，分别计算所述目标对象与各所述待识别对象的相似度；