[发明专利]一种行人重识别的方法及设备

说明书

本申请的目的是提供一种行人重识别的方法及设备，本申请通过构建行人重识别网络模型，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。从而去除了文字中的多余文字和信息，提升了计算效率的同时，保证了文字信息与图像信息有效关联。

技术领域

本申请涉及计算机领域，尤其涉及一种行人重识别的方法及设备。

背景技术

现有的很多行人重识别(person re-ID)方法都在提取图像本身提供的特征之外，利用了一些辅助性的信息，例如人体姿态，人体各部位属性，以及对图像的文字说明(caption)等来提升行人重识别的效果。在这些方法中，文字说明是一种更为有效的方法，因为对于图片的文字说明可以对一个行人提供具体而全面的描述。它在语义上比可视属性更丰富。更重要的是，不同摄像机(或视图)对特定人员的语言描述通常更一致，这可以缓解行人重识别任务中外观差异的问题。

然而，在利用文字描述来进行行人重识别的任务中，文字信息往往是冗余的，不仅会导致额外的计算成本，而且会干扰图像语义信息与文字语义信息的关联，影响行人重识别任务的性能。

发明内容

本申请的一个目的是提供一种行人重识别的方法及设备，解决现有技术中利用文字描述进行行人重识别导致计算资源浪费并对图像语义信息产生干扰的问题。

根据本申请的一个方面，提供了一种行人重识别的方法，该方法包括：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。

可选的，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。

可选的，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。

可选的，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；