[发明专利]行人重识别方法、步态识别网络训练方法及相关装置

说明书

本申请提供行人重识别方法、步态识别网络训练方法及相关装置。该步态识别网络的训练方法包括：利用步态识别网络的第一单元从步态轮廓图中提取特征图；对特征图进行随机擦除处理，得到擦除后的特征图；利用步态识别网络的第二单元对擦除后的特征图进行处理，得到特征向量；利用特征向量，计算损失；基于损失训练步态识别网络。本申请的方法可以可以提高步态识别网络的泛化性和识别准确性。

技术领域

本申请涉及图像识别技术领域，特别是涉及行人重识别方法、步态识别网络训练方法及相关装置。

背景技术

步态识别作为传统行人重识别方法的补充，其旨在克服行人重识别方法过度依赖行人着装特征的情况。当行人的衣着变换了，这对于传统的行人重识别方法来说识别比较困难，因此通过提取行人的步态特征来完成行人重识别任务的步态识别方法就应运而生。

目前步态识别网络的结构和训练方法大多是借鉴传统的行人重识别方法，即利用基础卷积神经网络对输入图像进行特征提取，然后利用输出的特征图表征行人的特征，利用行人的特征向量完成检索。然而步态识别中输入图像为行人轮廓二值图，这相对于传统行人重识别的行人图像，其特征过于单一，因此传统的行人重识别训练方法在步态识别方法训练上不太适用。

发明内容

本申请提供行人重识别方法、步态识别网络训练方法及相关装置，可以提高步态识别网络的泛化性和识别准确性。

为达到上述目的，本申请提供一种步态识别网络的训练方法，该方法包括：

利用步态识别网络的第一单元从步态轮廓图中提取特征图；

对特征图进行随机擦除处理，得到擦除后的特征图；

利用步态识别网络的第二单元对擦除后的特征图进行处理，得到特征向量；

利用特征向量，计算损失；

基于损失训练步态识别网络。

其中，对特征图进行随机擦除处理，包括：

在高度维度上对特征图进行随机擦除处理。

其中，特征图包括高度为1的至少一个高度单元特征图，在高度维度上对特征图进行随机擦除处理，包括：

将特征图上连续的至少一个高度单元特征图的响应值设置为0。

其中，利用步态识别网络的第二单元对擦除后的特征图进行处理，包括：对特征图进行多尺度划分，得到以每个尺度进行划分后的特征图分块；计算每个特征图分块的特征向量；

利用特征向量，计算损失，包括：基于每个特征图分块的特征向量，计算每个特征图分块的损失；将多尺度划分得到的所有特征图分块的损失的总和作为总损失；

基于损失训练步态识别网络，包括：基于总损失训练步态识别网络。

其中，计算每个特征图分块的特征向量，包括：

将每个特征图分块处理为高度为1的特征图分块；

对每个高度为1的特征图分块进行池化处理，得到每个特征图分块的池化向量；

对每个特征图分块的池化向量进行映射，得到每个特征图分块的特征向量。

其中，对每个高度为1的特征图分块进行池化处理，得到每个特征图分块的池化向量，包括：

对每个高度为1的特征图分块进行平均池化处理，得到每个特征图分块的池化向量；或，

对每个高度为1的特征图分块进行最大池化处理，得到每个特征图分块的池化向量；或，