[发明专利]基于金丝猴躯干特征提取的身份重识别方法

权利要求书

1.一种目标特征提取模型构建方法，其特征在于，包括：

对采集到的目标视频进行预处理，得到模型构建数据；所述目标视频中包含目标；

基于所述模型构建数据对目标特征提取模型进行训练，得到训练后的目标特征提取模型；所述目标特征提取模型包括特征提取模块和超图模块；

所述特征提取模块用于根据所述模型构建数据，提取所述目标的全局特征信息；还用于获取所述目标的关键点坐标信息，基于所述关键点坐标信息对所述全局特征进行切分，提取所述目标的局部特征信息；

所述超图模块用于基于所述全局特征信息和所述局部特征信息，得到所述目标的视频级别特征。

2.如权利要求1所述的方法，其特征在于，所述特征提取模块包括卷积神经网络模块和关键点坐标信息提取模块，所述卷积神经网络模块用于提取所述目标的全局特征信息，所述关键点坐标信息提取模块用于采用MMpose工具提取目标的关键点坐标信息。

3.如权利要求1所述的方法，其特征在于，所述基于所述全局特征信息和所述局部特征信息，得到所述目标的视频级别特征，包括：

将所述全局特征信息作为节点，将邻近的两个节点之间用超边连接，构建全局超图；

将所述局部特征信息作为节点，将邻近的两个节点之间用超边连接，构建局部超图；

提取所述全局超图和所述局部超图的图特征；

将所述全局超图的图特征和所述局部超图的图特征进行聚合，得到所述目标的视频级别特征。

4.如权利要求3所述的方法，其特征在于，所述提取所述全局超图和所述局部超图的图特征，包括：

针对所述全局超图或者所述局部超图的任意一个节点，确定节点的每个超边的超边初始特征；

根据节点的节点特征和所述每个超边的超边初始特征，确定每个超边的重要程度；

根据所述每个超边的重要程度和所述超边初始特征，得到节点对应的所有超边的最终特征；

将所述节点对应的所有超边的最终特征与节点的节点特征采用全连接层连接，得到节点的最终特征；

根据每个节点的重要程度和每个节点的最终特征，得到全局超图的图特征或者局部超图的图特征。

5.如权利要求1所述的方法，其特征在于，所述对采集到的目标视频进行预处理，得到模型构建数据，包括：

针对所述目标视频采用YOLOv3目标检测网络进行目标检测，得到多个包含目标的视频帧；

对所述多个包含目标的视频帧进行数据增广处理，得到模型构建数据。

6.如权利要求1所述的方法，其特征在于，所述基于所述模型构建数据对目标特征提取模型进行训练，包括：

通过分类损失函数和三元组损失函数对目标特征提取模型进行训练。

7.一种基于金丝猴躯干局部特征提取的身份重识别方法，其特征在于，包括：

对待识别目标视频和候选视频分别进行预处理，得到多个待识别目标视频帧和多个候选视频帧；所述待识别目标视频和所述候选视频中均包含待识别目标；

将所述多个待识别目标视频帧和多个候选视频帧均输入到目标特征提取模型中，分别输出所述多个待识别目标视频帧的视频级别特征和多个候选视频帧的视频级别特征；

根据所述多个待识别目标视频帧的视频级别特征和多个候选视频帧的视频级别特征对所述待识别目标进行身份重识别；

所述目标特征提取模型为根据权利要求1-6中任一权利要求所述的目标特征提取模型构建方法得到的。

8.如权利要求7所述的方法，其特征在于，其中，根据所述多个待识别目标视频帧的视频级别特征和多个候选视频帧的视频级别特征对所述待识别目标进行身份重识别，包括：

计算每个待识别目标视频帧的视频级别特征与每个候选视频帧的视频级别特征之间的相似度，构成相似度矩阵；

根据所述相似度矩阵对待识别目标进行身份重识别。