[发明专利]一种基于域不变特征和时空特征的重识别方法

权利要求书

1.一种基于域不变特征和时空特征的重识别方法，其特征在于，包括：

获取输入图像中目标对象的特征；

构建贝叶斯模型，预测目标对象在多个图像采集装置间迁移的时空概率，获取时空特征；

根据所述目标对象的特征构建多个图像采集装置之间同一目标对象的统一特征表示；

根据所述统一特征表示获取具有域不变性的域不变特征；

根据所述时空特征和域不变特征构建时空注意力热度图，用于训练识别网络，基于所述识别网络输出目标对象识别结果。

2.根据权利要求1所述的基于域不变特征和时空特征的重识别方法，其特征在于，构建贝叶斯模型，预测目标对象在多个图像采集装置间迁移的时空概率，获取时空特征，包括：

以目标对象的特征为先验知识并利用余弦相似度构建分类器，根据所述目标对象的特征对应的时空信息，评估目标对象在下一时刻出现在某一图像采集装置的概率，作为所述时空概率；

根据所述时空概率选出满足时空约束的多个图像采集装置的图像，获取时空特征。

3.根据权利要求2所述的基于域不变特征和时空特征的重识别方法，其特征在于，评估目标对象在下一时刻出现在某一图像采集装置的概率，包括：

构造特征联合器，以相邻时刻两个图像采集装置的图像作为输入，输出两图像匹配的概率作为所述时空概率。

4.根据权利要求3所述的基于域不变特征和时空特征的重识别方法，其特征在于，所述特征联合器F表示为：

其中，M₁表示分类器C基于视觉特征的判断，α，β为可配置参数。v_i和v_j分别表示输入的目标对象的特征，c_i和c_j分别表示预测的图像采集装置对应的特征。

5.根据权利要求1所述的基于域不变特征和时空特征的重识别方法，其特征在于，根据所述目标对象的特征构建多个图像采集装置之间同一目标对象的统一特征表示，包括：

构建公共图像样式库；

将不同时空域的目标对象特征嵌入所述公共图像样式库，得到同一目标对象的统一特征表示。

6.根据权利要求5所述的基于域不变特征和时空特征的重识别方法，其特征在于，特征嵌入方式表示为：

其中，[.,.]表示通道连接，x_rgb表示大小为(3,h,w)的RGB图像，表示大小为(M,h,w)的二进制张量，表示大小为(N,h,w)的二进制张量，表示大小为(3+M+N,h,w)的张量；的第i个通道为一个非零值，表示x_rgb来自第i个时空域，其余的M-1个通道为“零”值。的第j个通道为一个非零值，表示x_rgb将转换为第j个时空域，其余N-1个通道为“零”值。

7.根据权利要求1所述的基于域不变特征和时空特征的重识别方法，其特征在于，根据所述统一特征表示获取具有域不变性的域不变特征，包括：

构造循环一致性神经网络，将所述统一特征表示输入经过预训练的所述循环一致性神经网络，获取域不变性特征。

8.根据权利要求7所述的基于域不变特征和时空特征的重识别方法，其特征在于，所述循环一致性神经网络的损失函数表示为：

其中，为图像内容解码器，为图像内容鉴别器；E^c为内容编码器。