[发明专利]人车重识别及其模型训练方法、装置、设备及存储介质

权利要求书

1.一种人车重识别模型训练方法，其特征在于，包括：

获取多个训练样本，每一所述训练样本均包括第一样本图像与第二样本图像，所述第一样本图像与所述第二样本图像为在不同拍摄状态下对第一对象拍摄得到，所述第一对象包括相互匹配的行人与车辆；

使用所述训练样本对预先建立的初始人车重识别模型进行训练，直至所述初始人车重识别模型中的损失函数的损失值满足预设条件，得到目标人车重识别模型；

其中，所述初始人车重识别模型包括目标检测模型、第一初始多层感知器以及第二初始多层感知器；所述目标检测模型的输入端用于接收所述第一样本图像与所述第二样本图像，所述目标检测模型的输出端分别连接至所述第一初始多层感知器的输入端与所述第二初始多层感知器的输入端，所述第一初始多层感知器的输出端用于输出与所述行人关联的行人特征向量，所述第二初始多层感知器的输出端用于输出与所述车辆关联的车辆特征向量；所述损失函数的损失值为基于所述行人特征向量与所述车辆特征向量得到。

2.根据权利要求1所述的方法，其特征在于，所述使用所述训练样本对预先建立的初始人车重识别模型进行训练，直至所述初始人车重识别模型中的损失函数的损失值满足预设条件，得到目标人车重识别模型，包括：

将所述第一样本图像输入到所述目标检测模型，得到第一行人特征与第一车辆特征，将所述第二样本图像输入到所述目标检测模型，得到第二行人特征与第二车辆特征；

将所述第一行人特征与所述第二行人特征分别输入到第一初始多层感知器，得到第一行人特征向量与第二行人特征向量，将所述第一车辆特征与所述第二车辆特征分别输入到第二初始多层感知器，得到第一车辆特征向量与第二车辆特征向量；

依据所述第一行人特征向量、所述第二行人特征向量、所述第一车辆特征向量以及所述第二车辆特征向量，确定所述损失函数的损失值；

依据所述损失函数的损失值对所述第一初始多层感知器的网络参数与所述第二初始多层感知器的网络参数进行调整，直至所述损失函数的损失值满足预设条件时，得到第一目标多层感知器与第二目标多层感知器；其中，所述目标人车重识别模型包括所述第一目标多层感知器与所述第二目标多层感知器。

3.根据权利要求2所述的方法，其特征在于，所述损失函数的损失值包括第一损失值、第二损失值、第三损失值以及第四损失值；

所述第一损失值基于所述第一行人特征向量与所述第一车辆特征向量确定；

所述第二损失值基于所述第一行人特征向量与所述第二行人特征向量确定；

所述第三损失值基于所述第二行人特征向量与所述第二车辆特征向量确定；

所述第四损失值基于所述第一车辆特征向量与所述第二车辆特征向量确定。

4.根据权利要求3所述的方法，其特征在于，所述第一损失值Loss_u、所述第二损失值Loss_pp、所述第三损失值Loss_v以及所述第四损失值Loss_bb分别按照如下公式计算得到：

其中，|| ||为求取范数运算，u_p为所述第一行人特征向量，u_b为所述第一车辆特征向量，v_p为所述第二行人特征向量，v_b为所述第二车辆特征向量。