[发明专利]面向矿井AI视频分析的跨视域行人重识别方法及装置

权利要求书

1.一种面向矿井AI视频分析的跨视域行人重识别方法，其特征在于，包括下述步骤：

获取源域数据集和目标域数据集，所述源域数据集为有标签数据集，所述目标域数据集为无标签数据集；

构建残差网络，将所述源域数据集和目标域数据集分别输入残差网络进行特征提取，得到源域数据集对应的特征和目标域数据集对应的特征，并将所述源域数据集对应的特征和目标域数据集对应的特征分别存储至存储器；

基于所述源域数据集对应的特征和目标域数据集对应的特征得到第一损失函数；调节残差网络的参数，直至所述第一损失函数小于设定阈值时，得到残差网络的最优网络结构；

将待重识别的目标图像输入所述残差网络的最优网络结构，得到待重识别的目标图像对应的行人信息。

2.根据权利要求1所述的面向矿井AI视频分析的跨视域行人重识别方法，其特征在于，所述残差网络包括依次连接的Resnet50网络、注意力模块、池化层和全连接层，其中，

所述注意力模块包括通道注意力模块和空间注意力模块。

3.根据权利要求1所述的面向矿井AI视频分析的跨视域行人重识别方法，其特征在于，基于所述源域数据集对应的特征和目标域数据集对应的特征得到第一损失函数，包括下述步骤：

基于所述源域数据集对应的特征和交叉熵损失函数，得到第二损失函数；

基于所述源域数据集对应的特征和目标域数据集对应的特征得到第三损失函数；

基于所述目标域数据集对应的特征得到第四损失函数；

基于所述第二损失函数、第三损失函数和第四损失函数得到第一损失函数。

4.根据权利要求3所述的面向矿井AI视频分析的跨视域行人重识别方法，其特征在于，所述第二损失函数的计算公式为：

式中，L_src表示第二损失函数，n_s表示源域数据集的数据个数，p(y_s,i|x_s,i)表示源域数据集对应的特征x_s,i属于行人y_s,i的概率。

5.根据权利要求4所述的面向矿井AI视频分析的跨视域行人重识别方法，其特征在于，基于所述源域数据集对应的特征和目标域数据集对应的特征得到第三损失函数，包括下述步骤：

基于所述源域数据集对应的特征和目标域数据集对应的特征得到相似度分数地图，其中，所述相似度分数地图的横轴为目标域数据集的数据个数，纵轴为源域数据集的类别数；

将所述相似度分数地图中同一类别数对应的相似度分数由高到低排序，得到第一正样本集和第一负样本集；

基于所述第一正样本集计算得到第一欧式距离，基于所述第一负样本集计算得到第二欧式距离；

基于所述第一欧式距离和第二欧式距离得到第三损失函数。

6.根据权利要求5所述的面向矿井AI视频分析的跨视域行人重识别方法，其特征在于，所述第一欧式距离的计算公式为：

上式中，L₁表示第一欧氏距离，P₁表示第一正样本集，a₁、b₁表示第一正样本集中的任意两个正样本，f(a₁)、f(b₁)表示第一正样本集中的任意两个正样本对应的特征，s₁表示正样本的个数；

所述第二欧式距离计算公式为：

上式中，L₂表示第二欧氏距离，N₁表示第一负样本集，g₁、m₁表示第一负样本集中的任意两个负样本，f(g₁)、f(m₁)表示第一负样本集中的任意两个负样本对应的特征，s₂表示负样本的个数；

第三损失函数的计算公式为：

上式中，L_sl表示第三损失函数。