[发明专利]一种目标重识别的方法、装置、系统及计算机存储介质

权利要求书

1.一种目标重识别的方法，其特征在于，所述方法包括：

获取目标图像和待识别图像序列；

将所述待识别图像序列和所述目标图像输入训练好的目标重识别模型，得到目标重识别结果；

其中，所述目标重识别结果包括所述待识别图像序列中与所述目标图像属于同一目标的待识别图像，所述目标重识别模型包括多个阶段网络，至少一个所述阶段网络包括第一残差模块，所述第一残差模块包括实例正则化层、批规范化层和域自适应层。

2.根据权利要求1所述的方法，其特征在于，所述第一残差模块包括顺序连接的第一单元网络、第二单元网络和第三单元网络，所述第一单元网络包括：

第一卷积层；

实例正则化层，所述实例正则化层的输入通道连接至所述第一卷积层的至少部分输出通道；

批规范化层，所述批规范化层的输入通道连接至所述第一卷积层的剩余输出通道；

第一修正线性单元，所述第一修正线性单元的输入通道连接至所述实例正则化层的输出通道与所述批规范化层的输出通道。

3.根据权利要求2所述的方法，其特征在于，所述第二单元网络包括：

第二卷积层，所述第二卷积层的输入通道连接至所述第一修正线性单元的输出通道；

第一域自适应层，所述第一域自适应层的输入通道连接至所述第二卷积层的输出通道；

第二修正线性单元，所述第二修正线性单元的输入通道连接至所述第一域自适应层的输出通道。

4.根据权利要求3所述的方法，其特征在于，所述第三单元网络包括：

第三卷积层，所述第三卷积层的输入通道连接至所述第二修正线性单元的输出通道；

第二域自适应层，所述第二域自适应层的输入通道连接至所述第三卷积层的输出通道。

5.根据权利要求4所述的方法，其特征在于，所述第一残差模块还包括：

第三修正线性单元，所述第一卷积层的输入通道与所述第二域自适应层的输出通道连接至所述第三修正线性单元的输入通道。

6.根据权利要求5所述的方法，其特征在于，所述将所述待识别图像序列和所述目标图像输入训练好的目标重识别模型，得到目标重识别结果，包括：

对所述多个阶段网络的输出结果进行全局特征提取和局部特征提取，分别得到全局特征和局部特征；

基于所述全局特征和局部特征确定所述目标重识别结果。

7.根据权利要求6所述的方法，其特征在于，所述基于所述全局特征和局部特征确定所述目标重识别结果，包括：

基于所述多个阶段网络的输出结果中所述目标图像的所述全局特征和局部特征，以及所述多个阶段网络的输出结果中所述待识别图像序列中的每个待识别图像的所述全局特征和局部特征，计算所述目标图像与所述每个待识别图像的距离；

将所述距离在预设距离范围内的待识别图像确定为所述目标重识别结果。

8.一种目标重识别的装置，其特征在于，所述装置包括：

获取模块，用于获取目标图像和待识别图像序列；

重识别模块，用于将所述待识别图像序列和所述目标图像输入训练好的目标重识别模型，得到目标重识别结果；

其中，所述目标重识别结果包括所述待识别图像序列中与所述目标图像属于同一目标的待识别图像，所述目标重识别模型包括多个阶段网络，至少一个所述阶段网络包括第一残差模块，所述第一残差模块包括实例正则化层、批规范化层和域自适应层。

9.一种目标重识别的系统，包括存储器、处理器及存储在所述存储器上且在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。

10.一种计算机存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被计算机执行时实现权利要求1至7中任一项所述方法的步骤。