[发明专利]目标对象识别方法、装置、计算设备及介质

权利要求书

1.一种目标对象识别方法，包括：

获取多个待识别图像，所述多个待识别图像包括至少一个目标对象的步态信息；以及

利用经训练的深度学习模型，识别所述多个待识别图像，以得到针对所述至少一个目标对象的识别结果；

其中，通过以下操作训练深度学习模型：

利用源域步态轮廓序列，训练所述深度学习模型，得到第一学习模型；以及

利用目标域步态轮廓序列训练所述第一学习模型，得到所述经训练的深度学习模型。

2.根据权利要求1所述的方法，其中，所述深度学习模型包括深度卷积神经网络模块、池化模块和水平金字塔映射模块；

所述利用源域步态轮廓序列，训练深度学习模型，包括：

初始化所述深度学习模型的参数，并重复执行以下操作第一预设次数：

获取源域步态轮廓序列；

利用所述深度卷积神经网络模块，从所述源域步态轮廓序列中提取多个帧级特征；

利用所述池化模块，根据所述多个帧级特征，确定序列级特征；

利用所述水平金字塔映射模块，根据所述序列级特征，生成目标序列特征；以及

根据所述目标序列特征，调整所述深度学习模型的参数。

3.根据权利要求2所述的方法，其中，所述初始化所述深度学习模型的参数包括：

将所述深度学习模型的参数设置为随机数。

4.根据权利要求2所述的方法，其中，所述根据所述目标序列特征，调整所述深度学习模型的参数包括：

根据以下公式计算第一损失函数值，

其中，所述L为第一损失函数值，所述N是源域步态轮廓序列中的源域步态图像数，所述是所述源域步态轮廓序列中的第i个源域步态图像，所述和所述分别是相对于所述第i个源域步态图像的正样本和负样本，所述m是裕度参数，符号“||||”表示计算该符号内的两向量之间的距离，符号“[]₊”表示该符号内的运算结果取正数；以及

根据所述损失函数调整所述深度学习模型的参数。

5.根据权利要求2所述的方法，其中，所述利用目标域步态轮廓序列邻域所述第一学习模型包括重复执行预设轮次的模型更新操作；

其中，所述预设轮次的模型更新操作中的每轮模型更新操作包括：

重复执行以下操作第二预设次数：

利用所述第一学习模型，从所述目标域步态轮廓序列中提取多个特征样本；

确定所述多个特征样本中每个特征样本的信息熵；

根据所述信息熵，从所述多个特征样本中确定预设比例的特征样本作为锚样本；

确定所述锚样本的邻域；

根据所述锚样本的邻域，计算第二损失函数值；以及

根据所述损失函数值，调整所述深度学习模型的参数。

6.根据权利要求5所述的方法，其中，所述预设比例根据以下公式确定：

Q＝(r/R)×100％

其中，Q为所述预设比例，R为所述预设轮次，r为当前正在执行的轮数。

7.根据权利要求5所述的方法，其中，所述确定所述多个特征样本中每个特征样本的信息熵包括：

根据以下公式计算所述每个特征样本的信息熵：

其中，

其中所述x_i为所述多个特征样本中的第i个特征样本，所述为所述x_i的转置，所述H(x_i)为所述x_i的信息熵，所述τ为密度参数，所述N为所述多个特征样本的总数。

8.根据权利要求4-7中任一项所述的方法，其中，所述确定所述锚样本的邻域包括：

利用K-最近邻算法，确定所述每个锚样本的邻域。