[发明专利]行人重识别方法、装置、电子设备及可读存储介质

权利要求书

1.一种行人重识别方法，其特征在于，所述方法包括：

通过行人重识别模型的主干网络提取待识别图像的图像特征；

通过所述行人重识别模型的第一分支网络根据所述图像特征提取行人分割注意力特征图，所述行人分割注意力特征图用于标记行人在所述待识别图像中的位置；

通过所述行人重识别模型的第二分支网络根据所述图像特征提取行人的全局特征图；

通过所述行人重识别模型将所述行人分割注意力特征图与所述全局特征图进行融合，获得融合特征图；

通过所述行人重识别模型基于所述融合特征图进行行人重识别，获得识别结果。

2.根据权利要求1所述的方法，其特征在于，所述通过所述行人重识别模型的第一分支网络根据所述图像特征提取行人分割注意力特征图，包括：

通过所述第一分支网络根据所述图像特征对所述待识别图像中的行人进行检测，获得行人检测框；

通过所述第一分支网络从所述待识别图像中分割出所述行人检测框所框选的区域，获得分割图像；

通过所述第一分支网络将所述分割图像进行填充，获得与所述待识别图像大小相同的目标分割图像；

通过所述第一分支网络对所述目标分割图像中的每个像素点进行行人识别，获得行人分割注意力特征图。

3.根据权利要求1所述的方法，其特征在于，所述通过所述行人重识别模型基于融合特征图进行行人重识别，获得识别结果，包括：

通过所述行人重识别模型对所述融合特征图进行分割，获得多个特征块；

通过所述行人重识别模型对每个特征块进行均匀池化，获得每个特征块对应的第一局部特征；

通过所述行人重识别模型利用预设卷积核对每个第一局部特征进行降维处理，获得对应的第二局部特征；

将每个第二局部特征输入到所述行人重识别模型中对应的分类器，获得所述分类器输出的识别结果。

4.根据权利要求3所述的方法，其特征在于，所述将每个第二局部特征输入到所述行人重识别模型中对应的分类器，获得所述分类器输出的识别结果，包括：

通过所述行人重识别模型将多个第二局部特征与所述全局特征图按照通道维度进行连接，获得总特征；

将所述总特征输入到所述行人重识别模型中对应的分类器，获得所述分类器输出的识别结果。

5.根据权利要求1所述的方法，其特征在于，所述行人分割注意力特征图为二值图像，其特征值为1所在的特征点表示行人在所述行人分割注意特征图中的位置，所述通过所述行人重识别模型将所述行人分割注意力特征图与所述全局特征图进行融合，获得融合特征图，包括：

通过所述行人重识别模型将所述行人分割注意力特征图与所述全局特征图相乘，获得融合特征图。

6.根据权利要求1-5任一所述的方法，其特征在于，通过以下方式对所述行人重识别模型进行训练：

将训练图像输入所述行人重识别模型中，获得所述行人重识别模型输出的预测结果，所述训练图像包括行人遮挡图像；

根据所述预测结果利用损失函数计算总损失值；

根据所述总损失值更新所述行人重识别模型中的网络参数。

7.根据权利要求6所述的方法，其特征在于，所述训练图像的标签信息包括每个像素点是否属于行人的标签，所述方法还包括：

通过实例分割算法对所述训练图像进行行人检测，获得分割掩膜图像，所述分割掩膜图像用于标记所述训练图像中属于行人的像素点；

将所述分割掩膜图像作为标签对所述训练图像进行标记。

8.根据权利要求7所述的方法，其特征在于，所述获得分割掩膜图像，包括：

通过实例分割算法对所述训练图像进行行人检测，获得至少一个行人检测框；

若所述至少一个行人检测框包括至少两个时，确定每个检测框的检测框中心与所述训练图像的水平中心的位置关系；

根据所述位置关系确定目标检测框，所述目标检测框所框选的区域为待识别行人所在的区域；

根据所述目标检测框获得对应的分割掩膜图像。