[发明专利]一种行人识别模型的训练方法、装置及电子设备

权利要求书

1.一种行人识别模型的训练方法，所述方法包括：

从源域中获取第一图片，从待测试的目标域中获取第二图片，其中，所述源域中的图片有行人的身份标注，所述目标域中图片无行人的身份标注；

将所述第一图片作为第一训练样本输入行人识别模型中的卷积神经网络获得第一特征图，并通过所述行人识别模型对第一特征图上的P个部件区域进行最大池化操作得到P个向量维度为C的特征向量，嵌入层Em对特征向量进行映射，得到P个维度为d的特征向量，再由分类器FC对嵌入层Em输出的特征向量进行分类，获得识别结果，根据所述识别结果和所述第一图片的身份标注计算获得身份损失值；

对所述第一特征图进行部件分割获得第一分割区域预测图，并根据所述第一分割区域预测图计算获得第一分割损失值；

将所述第二图片作为第二训练样本输入所述卷积神经网络获得第二特征图，对所述第二特征图进行部件分割获得第二分割区域预测图，并根据所述第二分割区域预测图计算获得第二分割损失值；

根据所述身份损失值、所述第一分割损失值及所述第二分割损失值对所述行人识别模型进行参数调整，获得训练后的所述行人识别模型。

2.如权利要求1所述的方法，所述根据所述第一特征图和所述第一图片的身份标注计算获得身份损失值，包括：

获取所述第一图片中行人的关键点，并基于所述关键点将所述第一图片划分为P个部件区域，P≥2；

按照所述P个部件区域的划分对所述第一特征图对应的每个部件区域分别进行池化，获得P个特征向量；

根据所述P个特征向量进行身份预测获得预测值；

根据所述预测值和所述第一图片的身份标注获得所述身份损失值。

3.如权利要求2所述的方法，获取所述第一图片中行人的关键点，并基于所述关键点将所述第一图片划分为P个区域，包括：

获取所述第一图片中行人的关键点；

判断获取的关键点是否包含所有预设类型的关键点，若否，获取缺失的关键点对应的部件区域为不可见部件区域，获取存在的关键点对应的部件区域为可见部件区域；

所述按照所述P个部件区域的划分对所述第一特征图对应的每个部件区域分别进行池化，获得P个特征向量，包括：

对所述第一特征图中对应的可见部件区域分别进行池化，获得每个可见部件区域的特征向量；

对所述不可见部件区域输出零向量作为所述不可见部件区域的特征向量。

4.如权利要求1所述的方法，所述对所述第一特征图进行部件分割获得第一分割区域预测图，并根据所述第一分割区域预测图计算获得第一分割损失值，包括：

对所述第一特征图进行部件分割获得包含K个分割区域的第一分割区域预测图；

针对所述K个分割区域中的每个分割区域，计算所述分割区域与所述分割区域对应的分割标注之间的交叉熵分类损失值；其中，所述分割标注由预设的分割模型对所述第一特征图进行预测获得；

获得所述K个分割区域的平均交叉熵分类损失值作为所述第一分割损失值。

5.一种行人识别方法，应用于如权利要求1~4任一所述的行人识别模型的训练方法训练获得的行人识别模型，所述识别方法包括：

将查询图片和目标域中的每张测试图片分别输入所述行人识别模型中识别输出所述查询图片的P个特征向量和所述每张测试图片的P个特征向量，其中，所述P个特征向量分别对应被识别图片的P个部件区域；

基于所述查询图片的第p个特征向量和所述每张测试图片的第p个特征向量，计算获得所述查询图片与所述每张测试图片之间的相似度，p∈[1,P]；

基于所述查询图片与所述每张测试图片之间的相似度，获得所述查询图片在所述目标域中的相似图片识别结果；

根据所述识别结果获得所述行人识别结果。