[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

说明书

本发明涉及一种面向矿井AI视频分析的跨视域行人重识别方法及装置，属于计算机视觉技术领域，解决了现有无监督行人重识别方法的精确度较低的问题。方法包括：获取源域数据集和目标域数据集；构建残差网络，将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分别存储至存储器；基于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。提高了行人重识别的精度。

技术领域

本发明涉及计算机视觉技术领域，尤其涉及一种面向矿井AI视频分析的跨视域行人重识别方法及装置。

背景技术

近年来随着科技的飞速发展和煤炭工业体系的完善，煤炭开采逐步向安全、高效、自动化的方向发展，我国煤矿的主要形式是井下矿，其开采条件极其复杂，尤其是井下大型移动采掘装备工作区域，由于工况复杂、移动开采、人员相对集中，安全事故频繁发生，自动识别和监控井下危险区域的工作人员，不仅可以准确定位井下人员的准确位置，及时掌握井下人员的动态分布，还对煤矿的自动化安全开采、报警及联动处理起着至关重要作用，因此井下跨视域的行人重识别对煤矿安全高效开采具有重要意义。

行人重识别就是不同相机中捕捉到相同身份的行人图片相匹配，现在所有的行人重识别的方法主要分为无监督行人重识别以及有监督的行人重识别。目前，由于无监督行人重识别由于人体姿态、视角、光照、图像分辨率、遮挡和背景等因素的影响，导致无监督行人重识别方法的精确度较低。

发明内容

鉴于上述的分析，本发明实施例旨在提供一种面向矿井AI视频分析的跨视域行人重识别方法及装置，用以解决现有无监督行人重识别方法的精确度较低的问题。

一方面，本发明实施例提供了一种面向矿井AI视频分析的跨视域行人重识别方法，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。

进一步，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。

进一步，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。

进一步，所述第二损失函数的计算公式为：