[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

说明书

本申请公开了一种人车重识别及其模型训练方法、装置、设备及存储介质，其中，人车重识别模型训练方法，包括：获取多个训练样本，每一训练样本均包括第一样本图像与第二样本图像；使用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，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。本申请实施例在对初始人车重识别模型进行训练时，可以使用至少两张样本图像进行特征互相增强，充分利用不同样本图像中的第一对象的特征信息，来改善因拍摄状态变化造成的特征信息的损失，从而有助于提高对人车的重识别效果。

技术领域

本申请属于信息技术领域，尤其涉及一种人车识别及其模型训练方法、装置、设备及存储介质。

背景技术

随着人工智能技术的发展，机器视觉识别越来越多地应用到生活当中，例如，基于影像设备采集的视频图像进行行人识别等。而为了实现对行人的活动轨迹进行获取，通常会使用到行人重识别技术，即可能会基于不同影像设备采集的图像进行行人识别。

由于不同的影像设备的拍摄角度可能各不相同，同一行人在不同图像中的状态（例如长度、宽度或者角度）可能不同，而当行人处于骑车状态时，行人与车辆的组合（以下简称人车）的状态更加多变。现有技术在进行人车重识别时，受到人车状态多变的影响，往往存在识别效果较差的问题。

发明内容

本申请实施例提供一种在人车重识别及其模型训练方法、装置、设备及存储介质，解决现有技术在进行人车重识别时，存在的识别效果较差的问题。

第一方面，本申请实施例提供一种人车重识别模型训练方法，包括：

获取多个训练样本，每一训练样本均包括第一样本图像与第二样本图像，第一样本图像与第二样本图像为在不同拍摄状态下对第一对象拍摄得到，第一对象包括相互匹配的行人与车辆；

使用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，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；目标检测模型的输入端用于接收第一样本图像与第二样本图像，目标检测模型的输出端分别连接至第一初始多层感知器的输入端与第二初始多层感知器的输入端，第一初始多层感知器的输出端用于输出与行人关联的行人特征向量，第二初始多层感知器的输出端用于输出与车辆关联的车辆特征向量；损失函数的损失值为基于行人特征向量与车辆特征向量得到。

第二方面，本申请实施例提供一种人车重识别方法，包括：

获取目标图像，目标图像为对第二对象拍摄得到，第二对象包括相互匹配的行人与车辆；

将目标图像输入至目标人车重识别模型中，得到第三行人特征向量与第三车辆特征向量，第三行人特征向量与第三车辆特征向量分别与第二对象所包括的行人与车辆相关联；其中，目标人车重识别模型包括目标检测模型、第一目标多层感知器以及第二目标多层感知器；目标检测模型的输入端用于接收目标图像，目标检测模型的输出端分别连接至第一目标多层感知器的输入端与第二目标多层感知器的输入端，第一目标多层感知器的输出端用于输出第三行人特征向量，第二目标多层感知器的输出端用于输出第三车辆特征向量；

依据第三行人特征向量与第三车辆特征向量对第二对象进行识别，得到识别结果。

第三方面，本申请实施例提供了一种人车重识别模型训练装置，包括：

第一获取模块，用于获取多个训练样本，每一训练样本均包括第一样本图像与第二样本图像，第一样本图像与第二样本图像为在不同拍摄状态下对第一对象拍摄得到，第一对象包括相互匹配的行人与车辆；