[发明专利]基于人工智能的行人重识别方法、装置、设备及存储介质

说明书

本申请涉及人工智能技术领域，揭示了一种基于人工智能的行人重识别方法、装置、设备及存储介质，其中方法包括：将目标图像输入预设的特征提取模型得到每个特征输出模块输出的待分析特征向量；将每个待分析特征向量输入预设的分类预测模块进行分类概率预测得到分类概率预测结果；根据目标特征向量和预设的相似图像数量从预设的人体图像库中确定相似人体图像集，目标特征向量是任一个待分析特征向量；针对各个相似人体图像集中的每张人体图像，将各个分类概率预测结果和各个分类预测模块的权重进行加权求和得到软投票评分；根据各个软投票评分确定行人重识别结果。实现关注衣服颜色、纹理等底层特征和高层全局语义信息，提高了行人重识别的准确性。

技术领域

本申请涉及到人工智能技术领域，特别是涉及到一种基于人工智能的行人重识别方法、装置、设备及存储介质。

背景技术

行人重识别(Person re-identification)也称行人再识别，是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术，广泛被认为是一个图像检索的子问题，其任务是给定一个监控行人图像，检索人体图像库中是否存在与监控行人图像中的行人相同的人体图像。

一般来说，行人重识别任务的流程是首先训练一个特征提取网络，根据特征所计算的余弦度量距离得到损失值，优化器根据损失值不断更新网络的参数达到学习的效果。

在行人重识别任务的特征提取网络中，靠近输入层的特征往往包含了更多局部细节的语义信息，而靠近输出层的特征往往包含了更高层的全局语义信息，现有的行人重识别方法往往只使用特征提取网络的最后一层的特征向量与人体图像库中的人体图像做匹配而没有考虑底层特征，因小物体本身具有的像素信息较少，从而在特征提取网络进行下采样的过程中极易被丢失，导致行人重识别的准确性不高。

发明内容

本申请的主要目的为提供一种基于人工智能的行人重识别方法、装置、设备及存储介质，旨在解决现有的行人重识别方法只使用特征提取网络的最后一层的特征向量与人体图像库中的人体图像做匹配而没有考虑底层特征，导致行人重识别的准确性不高的技术问题。

为了实现上述发明目的，本申请提出一种基于人工智能的行人重识别方法，所述方法包括：

获取目标图像；

将所述目标图像输入预设的特征提取模型，得到每个特征输出模块输出的待分析特征向量，其中，所述特征提取模型包括：特征金字塔和多个所述特征输出模块，所述特征金字塔分别与每个所述特征输出模块连接；

将每个所述待分析特征向量输入预设的分类预测模块进行分类概率预测，得到分类概率预测结果；

根据目标特征向量和预设的相似图像数量，从预设的人体图像库中确定相似人体图像集，其中，所述目标特征向量是任一个所述待分析特征向量；

针对各个所述相似人体图像集中的每张人体图像，将各个所述分类概率预测结果和各个所述分类预测模块的权重进行加权求和，得到软投票评分；

根据各个所述软投票评分，确定行人重识别结果。

进一步的，所述将所述目标图像输入预设的特征提取模型，得到每个特征输出模块输出的待分析特征向量的步骤，包括：

将所述目标图像输入所述特征金字塔的第1个特征提取层，得到第1个特征初始向量；

将第i-1个所述特征初始向量输入所述特征金字塔的第i个所述特征提取层，得到第i个所述特征初始向量，其中，i大于1并且小于n+1，n是个大于2的整数；

将第n个所述特征初始向量输入所述特征金字塔的第1个特征融合层进行特征处理，得到第1个融合特征向量；