[发明专利]行人图像不变性特征提取和无监督行人重识别方法与装置

权利要求书

1.一种基于迁移学习和无监督学习的行人图像不变性特征提取方法，其特征在于，包括：

(1)通过辅助模型分离实现神经网络部分知识迁移，从辅助模型中提取行人图像的行人主体的不变性特征表达；

所述辅助模型分离，包括：

神经网络的卷积模块解耦，将卷积层中的卷积核分离为行人相关和背景相关；

神经网络的归一化模块解耦，将归一化层中的特征维度分离为行人相关和背景相关两部分；

所述行人图像的行人主体的不变性特征表达，包括：从辅助模型中保留行人相关的卷积模块和归一化模块参数，提取行人主体的不变性特征表达；

(2)利用K远邻算法估计潜在的相同行人，构建同一行人不同背景的联系，挖掘行人图像的背景风格的不变性特征表达；

(2.1)所述K远邻算法估计潜在的相同行人，包括：

(2.1.1)寻找行人图像中距离最远的K张样本作为锚点，认为他们是不同的行人；

(2.1.2)基于找到的每个锚点，寻找与其距离小的行人图像，认为这些图像与锚点为相同行人；

(2.1.3)重复步骤(2.1.1)～(2.1.2)若干次，得到若干组估计结果；

(2.2)所述挖掘行人图像的背景风格的不变性特征表达，包括：

从辅助模型中初始化背景相关的卷积模块和归一化模块参数；

基于K远邻算法估计潜在的相同行人的结果，重新优化背景相关的卷积模块和归一化模块参数；

根据训练得到的神经网络，提取背景风格的不变性特征表达；

(3)综合行人主体和背景风格的不变性特征表达进行融合，得到完整的行人图像的不变性特征表达。

2.根据权利要求1所述的基于迁移学习和无监督学习的行人图像不变性特征提取方法，其特征在于，事先利用有标注的辅助数据训练辅助模型。

3.根据权利要求1所述的基于迁移学习和无监督学习的行人图像不变性特征提取方法，其特征在于，综合行人主体和背景风格的不变性特征表达进行融合，包括：针对神经网络中每一个卷积层和归一化层，通过特征级联的方法进行特征融合。

4.一种无监督行人重识别的方法，其特征在于，包括：采用权利要求1～3任一项所述的基于迁移学习和无监督学习的行人图像不变性特征提取方法，获取行人图像的不变性特征表达，在目标监控场景中对不同监控摄像头下相同的行人进行匹配和识别；

无监督包括：不使用目标监控场景中带有标注的行人图像数据，仅能使用无标注的行人图像数据；可以使用已有的其他监控场景中带有标注的行人图像数据；

行人图像不变性特征包括：行人主体的不变性特征表达和背景风格的不变性特征表达。

5.一种计算机可读存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令用于执行权利要求4所述的方法。

6.一种用于实现接口预加载的装置，包括存储器和处理器，其特征在于，存储器中存储有以下可被处理器执行的指令：用于执行权利要求4所述的方法的步骤。