[发明专利]一种行人重识别的方法及设备

权利要求书

1.一种行人重识别的方法，其中，所述方法包括：

构建行人重识别网络模型，其中，所述行人重识别网络模型包括基础特征提取网络、第一筛选层和第二筛选层；

将待处理图像和用于描述所述待处理图像的待处理文字描述输入至所述行人重识别网络模型中，使用所述基础特征提取网络识别所述待处理图像，得到对应的图像特征向量；

使用所述第一筛选层根据所述图像特征向量对所述待处理文字描述进行识别处理，得到第一文字特征；

使用所述第二筛选层根据所述图像特征向量对所述第一文字特征进行筛选处理，得到第二文字特征向量；

拼接所述图像特征向量和所述第二文字特征向量，根据拼接后的特征向量输出行人重识别结果。

2.根据权利要求1所述的方法，其中，所述行人重识别网络模型包括第一层记忆人工神经网络、第二层记忆人工神经网络，所述使用所述第一筛选层根据所述图像特征向量对所述待处理文字描述进行识别处理，得到第一文字特征，包括：

使用所述第一层记忆人工神经网络在每一个时间步对所述待处理文字描述进行识别处理，得到隐状态序列下的文字特征；

使用所述第一筛选层根据所述图像特征向量对所述隐状态序列下的文字特征进行筛选，得到第一文字特征。

3.根据权利要求1所述的方法，其中，所述使用所述第二筛选层根据所述图像特征向量对所述第一文字特征进行筛选处理，得到第二文字特征向量，包括：

将所述第一文字特征输入至所述第二层记忆人工神经网络，得到序列下的第一文字特征；

使用所述第二筛选层根据所述图像特征向量对所述序列下的第一文字特征进行筛选，得到第二文字特征向量。

4.根据权利要求3所述的方法，其中，所述使用所述第二筛选层根据所述图像特征向量对所述序列下的第一文字特征进行筛选，得到第二文字特征向量，包括：

使用所述第二筛选层计算所述图像特征向量和所述序列下的第一文字特征，得到对应的相关性系数；

根据所述相关性系数对所述图像特征向量进行加权计算，得到第二文字特征向量。

5.根据权利要求4所述的方法，其中，所述第二筛选层包括多头注意力函数和平均池化函数，所述使用所述第二筛选层计算所述图像特征向量和所述序列下的第一文字特征，得到对应的相关性系数，包括：

使用所述多头注意力函数对所述序列下的第一文字特征进行计算，得到相应计算后的文字特征向量；

使用所述平均池化函数对所述相应计算后的文字特征向量进行均值计算，得到均值特征向量；

计算所述图像特征向量和所述均值特征向量的相关性系数。

6.根据权利要求1所述的方法，其中，所述拼接所述图像特征向量和所述第二文字特征向量，根据拼接后的特征向量输出行人重识别结果，包括：

将所述图像特征向量和所述第二文字特征向量依序进行拼接确定拼接后的特征向量；

对所述拼接后的特征向量进行损失函数计算，输出行人重识别结果。

7.一种用于行人重识别的设备，其中，所述设备包括：

模型处理模块，用于构建行人重识别网络模型，其中，所述行人重识别网络模型包括基础特征提取网络、第一筛选层和第二筛选层；

数据获取模块，用于将待处理图像和用于描述所述待处理图像的待处理文字描述输入至所述行人重识别网络模型中，使用所述基础特征提取网络识别所述待处理图像，得到对应的图像特征向量；

第一筛选模块，用于使用所述第一筛选层根据所述图像特征向量对所述待处理文字描述进行识别处理，得到第一文字特征；

第二筛选模块，用于使用所述第二筛选层根据所述图像特征向量对所述第一文字特征进行筛选处理，得到第二文字特征向量；

数据处理模块，用于拼接所述图像特征向量和所述第二文字特征向量，根据拼接后的特征向量输出行人重识别结果。

8.一种计算机可读介质，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现如权利要求1至6中任一项所述的方法。

9.一种用于行人重识别的设备，其中，所述设备包括：

一个或多个处理器；以及

存储有计算机可读指令的存储器，所述计算机可读指令在被执行时使所述处理器执行如权利要求1至6中任一项所述方法的操作。