[发明专利]一种基于遮挡抑制和特征重建的遮挡场景行人重识别方法

说明书

本发明公开了一种基于遮挡抑制和特征重建的遮挡场景行人重识别方法，属于图像处理技术领域。本发明首先使用随机的栅格对齐块状遮挡增强策略产生模拟遮挡的增强图像样本，用于自监督地训练遮挡感知器，可以预测行人图像中的遮挡位置。本发明对输入图像首先使用遮挡抑制编码器进行特征提取，该编码器采用自注意力机制对图像分块并进行图像块之间充分的信息交换，在这个过程中，利用遮挡感知的结果抑制遮挡位置的特征传递，可以产生关注非遮挡区域的全局特征。然后，本发明使用特征修复网络重建完整行人特征，最终获得一个鲁棒的特征表达。本发明方法构建的全局特征能够减少遮挡干扰，并提高遮挡场景下的检索精确度。

技术领域

本发明涉及图像处理和机器视觉中的行人重识别领域，尤其涉及一种基于遮挡抑制和特征重建的遮挡场景行人重识别方法。

背景技术

行人重识别是计算机视觉领域中的一个重要研究课题，其目标是匹配不同镜头下的相同行人图像，这项研究可以被应用于监控场景下的行人寻回、行人检索等任务。近年来基于完整行人图像的常规行人重识别工作已经取得了巨大的成功，然而遮挡场景下的行人重识别仍然是一个很大的挑战，在这种任务中需要用被遮挡了一部分的行人图像作为查询图像在图库中检索。在真实监控场景中行人目标往往会被频繁地遮挡，因此增强模型在遮挡场景的稳定性将很大程度上提高行人重识别方法的实用性。

遮挡行人重识别任务的难点在于两个方面。其一是行人的关键部位被遮挡时难以提取具有判别性的特征，其二是在人挡人的情况下非目标的行人会带来干扰特征，易于产生错误的匹配。目前的工作主要从两种思路解决行人重识别中的遮挡问题。第一种是充分利用全局信息产生鲁棒的特征表达。这种方法为了应对遮挡场景，尽可能地从更多位置或者尺度挖掘判别性的特征，这样在某些区域被遮挡时可以减少犯错。第二种是利用额外线索针对关键部位的局部特征进行增强。在遮挡场景中，针对某些关键部位的局部特征进行增强是至关重要的。因此有部分工作尝试利用额外线索找出没有遮挡的关键部位。

在遮挡场景中，如果充分利用所有局部区域提取一个统一的特征，很容易被遮挡物引入的特征干扰。这样会产生很多错误匹配，比如匹配到相同遮挡物的不同行人图像。现有的工作使用额外的模型对行人进行骨架提取，并对行人的各个部位的可视度进行预测，然后抑制被遮挡的局部特征，增强可视的局部特征。但是，这种做法会带来额外的计算开销，而且当目标行人被其他行人遮挡时，外部模型可能会失效。

发明内容

本发明针对现有技术中存在的技术问题，提供一种基于遮挡抑制和特征重建的遮挡场景行人重识别方法，可以提高遮挡场景下行人重识别精度。

根据本发明的第一方面，提供了一种基于遮挡抑制和特征重建的遮挡场景行人重识别方法，包括：

步骤1，使用栅格对齐块状遮挡增强策略对完整行人图像进行数据增强，产生模拟遮挡的遮挡增强图像及其对应的遮挡标签；

步骤2，构建遮挡感知器，利用所述遮挡增强图像和对应的遮挡标签训练所述遮挡感知器；

步骤3，构建特征提取网络，对所述完整行人图像和所述遮挡增强图像分别进行特征提取，得到完整行人图像特征和遮挡增强图像特征；其中，在对所述遮挡增强图像进行特征提取时，利用所述遮挡感知器的遮挡感知结果抑制遮挡干扰；

步骤4，构建特征重建网络，利用所述遮挡增强图像特征和所述完整行人图像特征训练得到特征重建网络；

步骤5，利用所述遮挡感知器对真实场景的遮挡行人图像进行遮挡感知，得到所述遮挡感知结果；对所述遮挡行人图像进行特征提取，并利用所述遮挡感知结果对遮挡区域的特征进行抑制，得到关注行人可视区域的全局特征；基于所述特征重建网络对所述全局特征进行特征重建，得到用于行人重识别的最终全局特征；基于所述最终全局特征计算特征距离，完成行人重识别。

在上述技术方案的基础上，本发明还可以作出如下改进。

可选的，所述步骤1中产生所述遮挡增强图像和对应的遮挡标签的过程包括：