[发明专利]图像相似度的计算方法、目标对象重识别方法及系统

权利要求书

1.一种目标对象重识别方法，其特征在于，包括如下步骤：

S1、获取监控视频：获取目标对象的数据包；

S2、目标检测：对步骤S1中的数据包进行目标检测，获得目标对象的图片包，所述图片包包括查询集和被查询集；

S3、数据集预处理：删除无效的图片包，保留有效的图片包，并对有效的图片包中的图片进行运动去模糊；

S4、目标对象重识别：将图片包输入轻量级网络，计算查询集与被查询集中的图片的相似度；

S5、上传匹配结果；

其中，在步骤S4中，用欧氏距离和余弦相似度进行计算查询集与被查询集中的图片的相似度，计算函数为：

；

其中，

ratio_euc指欧式距离在损失函数中所占比例；

ratio_cos指余弦相似度在损失函数中所占比例；

Neuc指训练样本中类间图片的欧式距离；

Peuc指训练样本中类内图片的欧式距离；

Ncos指训练样本中类间图片的余弦相似度；

Pcos指训练样本中类内图片的余弦相似度。

2.根据权利要求1所述的目标对象重识别方法，其特征在于，所述轻量级网络在MobileNet的基础上，使用Ghost Module替换MobileNet V2中的普通卷积模块，保留MobileNet V2中的反残差结构，其中，Ghost Module将网络特征图的通道分为第一通道和第二通道，对第一通道进行普通卷积计算，并对其结果进行深度可分离卷积计算，用于替代第二通道原有的计算结果。

3.根据权利要求2所述的目标对象重识别方法，其特征在于，在步骤S4中，图片包输入轻量级网络之后，取出查询集中的图片，计算当前图片与被查询集中所有图片的相似度，并返回被查询集中与当前查询图片相似度前H的图片，作为预测结果。

4.根据权利要求2所述的目标对象重识别方法，其特征在于，在步骤S2中，首先判断数据包中的数据为图像还是视频，若为视频，则采取均匀间隔帧数保存图片；再进行SSD目标检测，检测框提取图片中的所有目标对象，并形成目标对象的图片包。

5.根据权利要求4所述的目标对象重识别方法，其特征在于，在步骤S2中，保存图片时，图片命名由摄像头编号、时间戳和自增序列组成，同一时间点画面中不同的目标对象通过自增序列区别。

6.根据权利要求2所述的目标对象重识别方法，其特征在于，在步骤S3中，判断查询集是否为空，若为空则图片包无效。

7.根据权利要求2或6所述的目标对象重识别方法，其特征在于，在步骤S3中，判断查询集和被查询集是否为空，若查询集不为空，被查询集为空，则输出报错信息，若查询集和被查询集都不为空，则图片包有效。

8.一种目标对象重识别系统，其特征在于，用于实现权利要求1-7任一项所述的目标对象重识别方法，包括：

图像/视频采集装置；

设备外壳；

多核AI处理器，设于所述设备外壳内，用于实现目标对象重识别的数据读取、运算处理和结果发送；

智能网关设备，连接所述多核AI处理器，用于接收原始数据并分组转发运算结果；

存储卡，用于存储图像/视频采集装置所拍摄的原始数据包以及目标检测的结果数据；

人机交互显示装置，用于实现终端操作。

9.根据权利要求8所述的目标对象重识别系统，其特征在于，所述图像/视频采集装置包括近景摄像头和远景摄像头。