CN114943985A - 行人重识别方法、装置、计算机可读存储介质及终端设备 - Google Patents
行人重识别方法、装置、计算机可读存储介质及终端设备 Download PDFInfo
- Publication number
- CN114943985A CN114943985A CN202210609192.0A CN202210609192A CN114943985A CN 114943985 A CN114943985 A CN 114943985A CN 202210609192 A CN202210609192 A CN 202210609192A CN 114943985 A CN114943985 A CN 114943985A
- Authority
- CN
- China
- Prior art keywords
- pedestrian
- distance
- preset
- identification
- loss function
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000012549 training Methods 0.000 claims abstract description 33
- 230000008569 process Effects 0.000 claims abstract description 19
- 230000006870 function Effects 0.000 claims description 112
- 238000004590 computer program Methods 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 8
- 239000000126 substance Substances 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000005065 mining Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/211—Selection of the most significant subset of features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/771—Feature selection, e.g. selecting representative features from a multi-dimensional feature space
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/7715—Feature extraction, e.g. by transforming the feature space, e.g. multi-dimensional scaling [MDS]; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/776—Validation; Performance evaluation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
- G06V40/173—Classification, e.g. identification face re-identification, e.g. recognising unknown faces across different face tracks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Image Analysis (AREA)
Abstract
本申请属于行人重识别技术领域,尤其涉及一种行人重识别方法、装置、计算机可读存储介质及终端设备。所述方法在模型训练过程中使用的损失函数为预设的基于比例的三元组损失函数;所述基于比例的三元组损失函数约束正样本特征距离与负样本特征距离的比例小于预设的比例阈值;所述正样本特征距离为基准图像特征和正样本图像特征之间的距离;所述负样本特征距离为基准图像特征和负样本图像特征之间的距离。当面对类间差异很小且类内差异很大的场景时,基于比例的三元组损失函数相较于现有技术中基于绝对距离的三元组损失函数可以有效改善模型训练的稳定性,训练所得模型所提取特征的判别性和鲁棒性更强,从而提高了行人重识别结果的准确率。
Description
技术领域
本申请属于行人重识别技术领域,尤其涉及一种行人重识别方法、装置、计算机可读存储介质及终端设备。
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。
在行人重识别技术从传统的度量学习发展到更深更广的深度神经网络的学习的过程中,都离不开距离的度量。行人重识别技术需要能够在特征空间有效地拉近同类之间的距离并且增大异类之间的距离。而基于距离的度量,研究人员提出了诸多用于监督网络学习的损失函数,其中,基于绝对距离的三元组损失函数是应用最为广泛的一种损失函数,且在一般情况下可以取得较好的训练效果。
但是,当面对类间差异很小且类内差异很大的场景时,基于绝对距离的三元组损失函数会造成模型训练的不稳定,导致训练所得模型所提取特征的判别性和鲁棒性较差,降低了行人重识别结果的准确率。
发明内容
有鉴于此,本申请实施例提供了一种行人重识别方法、装置、计算机可读存储介质及终端设备,以解决现有技术的行人重识别方法准确率较低的问题。
本申请实施例的第一方面提供了一种行人重识别方法,可以包括:
获取待处理的行人重识别任务;
使用预设的行人重识别模型对所述行人重识别任务进行处理,得到行人重识别结果;
其中,所述行人重识别模型在模型训练过程中使用的损失函数为预设的基于比例的三元组损失函数;所述基于比例的三元组损失函数约束正样本特征距离与负样本特征距离的比例小于预设的比例阈值;所述正样本特征距离为基准图像特征和正样本图像特征之间的距离;所述负样本特征距离为基准图像特征和负样本图像特征之间的距离。
在第一方面的一种具体实现方式中,所述基于比例的三元组损失函数可以为:
其中,Ntp为三元组的数目,i为序号下标,fa、fp和fn分别为基准图像特征、正样本图像特征和负样本图像特征,D为求距离函数,β为所述比例阈值,{*}+=max{*,0},max为求最大值函数,Ltriplet_ratio为所述基于比例的三元组损失函数。
在第一方面的一种具体实现方式中,所述比例阈值可以为一变量,且满足:
在第一方面的一种具体实现方式中,所述比例阈值还可以为一常量。
在第一方面的另一种具体实现方式中,所述基于比例的三元组损失函数可以为:
其中,Ntp为三元组的数目,i和j为序号下标,fa、fp和fn分别为基准图像特征、正样本图像特征和负样本图像特征,D为求距离函数,β为所述比例阈值,{*}+=max{*,0},max为求最大值函数,min为求最小值函数,P和A分别为一个训练批次中的行人数目和每个行人的图像数目,Ltriplet_ratio为所述基于比例的三元组损失函数。
在第一方面的另一种具体实现方式中,所述比例阈值可以为一变量,且满足:
在第一方面的另一种具体实现方式中,所述比例阈值还可以为一常量。
本申请实施例的第二方面提供了一种行人重识别装置,可以包括:
任务获取模块,用于获取待处理的行人重识别任务;
行人重识别模块,用于使用预设的行人重识别模型对所述行人重识别任务进行处理,得到行人重识别结果;其中,所述行人重识别模型在模型训练过程中使用的损失函数为预设的基于比例的三元组损失函数;所述基于比例的三元组损失函数约束正样本特征距离与负样本特征距离的比例小于预设的比例阈值;所述正样本特征距离为基准图像特征和正样本图像特征之间的距离;所述负样本特征距离为基准图像特征和负样本图像特征之间的距离。
在第二方面的一种具体实现方式中,所述基于比例的三元组损失函数可以为:
其中,Ntp为三元组的数目,i为序号下标,fa、fp和fn分别为基准图像特征、正样本图像特征和负样本图像特征,D为求距离函数,β为所述比例阈值,{*}+=max{*,0},max为求最大值函数,Ltriplet_ratio为所述基于比例的三元组损失函数。
在第二方面的一种具体实现方式中,所述比例阈值可以为一变量,且满足:
在第二方面的一种具体实现方式中,所述比例阈值还可以为一常量。
在第二方面的另一种具体实现方式中,所述基于比例的三元组损失函数可以为:
其中,Ntp为三元组的数目,i和j为序号下标,fa、fp和fn分别为基准图像特征、正样本图像特征和负样本图像特征,D为求距离函数,β为所述比例阈值,{*}+=max{*,0},max为求最大值函数,min为求最小值函数,P和A分别为一个训练批次中的行人数目和每个行人的图像数目,Ltriplet_ratio为所述基于比例的三元组损失函数。
在第二方面的另一种具体实现方式中,所述比例阈值可以为一变量,且满足:
在第二方面的另一种具体实现方式中,所述比例阈值还可以为一常量。
本申请实施例的第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述任一种行人重识别方法的步骤。
本申请实施例的第四方面提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任一种行人重识别方法的步骤。
本申请实施例的第五方面提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行上述任一种行人重识别方法的步骤。
本申请实施例与现有技术相比存在的有益效果是:本申请实施例在模型训练过程中使用的损失函数为预设的基于比例的三元组损失函数;所述基于比例的三元组损失函数约束正样本特征距离与负样本特征距离的比例小于预设的比例阈值;所述正样本特征距离为基准图像特征和正样本图像特征之间的距离;所述负样本特征距离为基准图像特征和负样本图像特征之间的距离。当面对类间差异很小且类内差异很大的场景时,基于比例的三元组损失函数相较于现有技术中基于绝对距离的三元组损失函数可以有效改善模型训练的稳定性,训练所得模型所提取特征的判别性和鲁棒性更强,从而提高了行人重识别结果的准确率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1为三元组图像的示意图;
图2为比例阈值与负样本特征距离之间的函数关系示意图;
图3为本申请实施例中一种行人重识别方法的一个实施例流程图;
图4为本申请实施例中一种行人重识别装置的一个实施例结构图;
图5为本申请实施例中一种终端设备的示意框图。
具体实施方式
为使得本申请的发明目的、特征、优点能够更加的明显和易懂,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本申请一部分实施例,而非全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本申请保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
损失函数是深度网络模型不可或缺的一部分。在模型的训练过程中,损失函数通过最小化模型的预测值与真实值之间的误差来增强模型的特征表征能力。在行人重识别等细粒度识别的视觉任务中,损失函数通常同时优化类间距离和类内距离,从而增强模型的判别性和鲁棒性。
三元组损失函数是视觉任务中最为常见的一种损失函数,常常用于人脸识别、图像分类、行人重识别等任务中。三元组损失函数的输入为一个特征三元组{fa,fp,fn},其中,fa、fp和fn分别为该三元组中的基准图像特征、正样本图像特征和负样本图像特征。图1所示为三元组图像的示意图,每组图像从左往右分别是基准图像、正样本图像和负样本图像。
基于绝对距离的三元组损失函数约束负样本特征距离D(fa,fn)与正样本特征距离D(fa,fp)的差值大于预设的差值阈值,从而达到增大类内相似度、减小类间相似度的优化目标。其中,正样本特征距离为基准图像特征和正样本图像特征之间的距离,负样本特征距离为基准图像特征和负样本图像特征之间的距离。
基于绝对距离的三元组损失函数的公式如下所示:
其中,Ntp为三元组的数目,i为序号下标,D为求距离函数,α为差值阈值,{*}+=max{*,0},max为求最大值函数,Ltriplet为基于绝对距离的三元组损失函数。
在模型训练中,使用所有的三元组来训练模型的计算复杂度为O(N3),其中,N为训练数据集中图片的数量。因此,为了提高模型的训练效率,往往使用难例挖掘的策略来挑选出三元组,如下所示,在使用难例挖掘的策略下,基于绝对距离的三元组损失函数的公式为:
其中,min为求最小值函数,j为序号下标,P和A分别为一个训练批次中的行人数目和每个行人的图像数目。
此时,基于绝对距离的三元组损失函数依旧约束负样本特征距离与正样本特征距离的差值,会造成训练不稳定等不良后果。例如,在将α的值设置为0.4时,对于图1(a)和(d)中的三元组图像,由于负样本图像和基准图像很相似,导致负样本特征距离的值为0.5,此时,基于绝对距离的三元组损失函数要求正样本特征距离的值要小于0.1才满足其约束,这将增大模型的优化难度,造成模型训练的不稳定。
因此,在处理行人重识别等细粒度识别任务常常出现的类间差异很小且类内差异很大的问题时,由于基于绝对距离的三元组损失函数仅仅约束负样本特征距离与正样本特征距离之间的绝对差异,无法稳定地训练模型。
考虑到基于绝对距离的三元组损失函数的上述不足,在本申请实施例中提出了基于比例的三元组损失函数。不同于基于绝对距离的三元组损失函数约束负样本特征距离与正样本特征距离的差值,基于比例的三元组损失函数约束正样本特征距离与负样本特征距离的比例小于预设的比例阈值,其对应公式如下:
其中,β为比例阈值,Ltriplet_ratio为基于比例的三元组损失函数。
相应地,在使用难例挖掘的策略下,基于比例的三元组损失函数的公式为:
在本申请实施例的一种具体实现方式中,β为一常量,其具体取值可以根据实际情况进行设置,例如,可以将其设置为0.5或者其它取值,本申请实施例对此不作具体限定。
以下基于三种情况对基于绝对距离的三元组损失函数与基于比例的三元组损失函数进行比较:
第一种情况,在面对类间差异很小且类内差异很大的场景时,例如图1(a)和(d)中的三元组图像,相较于基于绝对距离的三元组损失函数,基于比例的三元组损失函数的训练过程更为稳定、鲁棒。例如,在将β的值设置为0.5时,由于负样本图像和基准图像很相似,导致负样本特征距离的值为0.5,此时,基于比例的三元组损失函数要求正样本特征距离的值要小于0.25即可满足约束条件,与之相比,基于绝对距离的三元组损失函数要求正样本特征距离的值小于0.10(α取值为0.4)。
第二种情况,在面对类间差异和类内差异都较为温和的场景时,例如图1(b)和(e)中的三元组图像,此时负样本特征距离的值为0.7,基于绝对距离的三元组损失函数要求正样本特征距离的值小于0.3(α取值为0.4),而基于比例的三元组损失函数要求正样本特征距离的值小于0.35(β取值为0.5)。由于降低了对类间差异的约束,该情况下基于比例的三元组损失函数可能会损害类内紧致性。
第三种情况,在面对类间差异较大(即不同行人的区分性较高)且类内差异较小的场景时,例如图1(c)和(f)中的三元组图像,此时由于负样本特征距离已足够大且正样本特征距离亦足够小,基于绝对距离的三元组损失函数和基于比例的三元组损失函数的约束条件均已满足。
综合以上分析可知,在类间差异很小时,基于比例的三元组损失函数会适当放松对正样本特征距离的约束,从而提高训练的稳定性;而当类间差异和类内差异都较为温和时,基于比例的三元组损失函数反而会破坏类内紧致性。
因此,在本申请实施例的另一种具体实现方式中,还可以对基于比例的三元组损失函数进行进一步的改进,不再将β作为一个常量,而是将其作为一个变量,可以随着负样本特征距离的变化而进行自适应的变化,则基于比例的三元组损失函数的公式如下所示:
其中,F为预设的函数关系,β1为预设的比例阈值下限,β2为预设的比例阈值下限,D1 an为预设的距离下限,D2 an为预设的距离上限,这些超参数的具体取值均可以根据实际情况进行设置,本申请实施例对此不作具体限定。
相应地,在使用难例挖掘的策略下,基于比例的三元组损失函数的公式为:
经过这一改进,β变为如图2所示的分段函数。当负样本特征距离的值较大时,β的取值相应变小,以维持对正样本特征距离较强的约束,不破坏类内紧致性;当负样本特征距离的值较小时,β的取值相应变大,从而放松对正样本特征距离的约束,保持训练的稳定性。
在行人重识别模型的模型训练过程中,可以使用上述的任意一种基于比例的三元组损失函数,从而得到对图像特征的判别性和鲁棒性更强的行人重识别模型。
在得到行人重识别模型,即可将其应用到实际的行人重识别任务中。请参阅图3,本申请实施例中一种行人重识别方法的一个实施例可以包括:
步骤S301、获取待处理的行人重识别任务。
步骤S302、使用行人重识别模型对行人重识别任务进行处理,得到行人重识别结果。
综上所述,本申请实施例在模型训练过程中使用的损失函数为预设的基于比例的三元组损失函数;所述基于比例的三元组损失函数约束正样本特征距离与负样本特征距离的比例小于预设的比例阈值;所述正样本特征距离为基准图像特征和正样本图像特征之间的距离;所述负样本特征距离为基准图像特征和负样本图像特征之间的距离。当面对类间差异很小且类内差异很大的场景时,基于比例的三元组损失函数相较于现有技术中基于绝对距离的三元组损失函数可以有效改善模型训练的稳定性,训练所得模型所提取特征的判别性和鲁棒性更强,从而提高了行人重识别结果的准确率。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的一种行人重识别方法,图4示出了本申请实施例提供的一种行人重识别装置的一个实施例结构图。
本实施例中,一种行人重识别装置可以包括:
任务获取模块401,用于获取待处理的行人重识别任务;
行人重识别模块402,用于使用预设的行人重识别模型对所述行人重识别任务进行处理,得到行人重识别结果;其中,所述行人重识别模型在模型训练过程中使用的损失函数为预设的基于比例的三元组损失函数;所述基于比例的三元组损失函数约束正样本特征距离与负样本特征距离的比例小于预设的比例阈值;所述正样本特征距离为基准图像特征和正样本图像特征之间的距离;所述负样本特征距离为基准图像特征和负样本图像特征之间的距离。
在本申请实施例的一种具体实现方式中,所述基于比例的三元组损失函数可以为:
其中,Ntp为三元组的数目,i为序号下标,fa、fp和fn分别为基准图像特征、正样本图像特征和负样本图像特征,D为求距离函数,β为所述比例阈值,{*}+=max{*,0},max为求最大值函数,Ltriplet_ratio为所述基于比例的三元组损失函数。
在本申请实施例的一种具体实现方式中,所述比例阈值可以为一变量,且满足:
在本申请实施例的一种具体实现方式中,所述比例阈值还可以为一常量。
在本申请实施例的另一种具体实现方式中,所述基于比例的三元组损失函数可以为:
其中,Ntp为三元组的数目,i和j为序号下标,fa、fp和fn分别为基准图像特征、正样本图像特征和负样本图像特征,D为求距离函数,β为所述比例阈值,{*}+=max{*,0},max为求最大值函数,min为求最小值函数,P和A分别为一个训练批次中的行人数目和每个行人的图像数目,Ltriplet_ratio为所述基于比例的三元组损失函数。
在本申请实施例的另一种具体实现方式中,所述比例阈值可以为一变量,且满足:
在本申请实施例的另一种具体实现方式中,所述比例阈值还可以为一常量。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置,模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
图5示出了本申请实施例提供的一种终端设备的示意框图,为了便于说明,仅示出了与本申请实施例相关的部分。
如图5所示,该实施例的终端设备5包括:处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52。所述处理器50执行所述计算机程序52时实现上述各个行人重识别方法实施例中的步骤,例如图3所示的步骤S301至步骤S302。或者,所述处理器50执行所述计算机程序52时实现上述各装置实施例中各模块/单元的功能,例如图4所示模块401至模块402的功能。
示例性的,所述计算机程序52可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器51中,并由所述处理器50执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序52在所述终端设备5中的执行过程。
所述终端设备5可以是手机、平板电脑、桌上型计算机、笔记本、掌上电脑及机器人等计算设备。本领域技术人员可以理解,图5仅仅是终端设备5的示例,并不构成对终端设备5的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备5还可以包括输入输出设备、网络接入设备、总线等。
所述处理器50可以是中央处理单元(Central Processing Unit,CPU),还可以是其它通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器51可以是所述终端设备5的内部存储单元,例如终端设备5的硬盘或内存。所述存储器51也可以是所述终端设备5的外部存储设备,例如所述终端设备5上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器51还可以既包括所述终端设备5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述终端设备5所需的其它程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读存储介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种行人重识别方法,其特征在于,包括:
获取待处理的行人重识别任务;
使用预设的行人重识别模型对所述行人重识别任务进行处理,得到行人重识别结果;
其中,所述行人重识别模型在模型训练过程中使用的损失函数为预设的基于比例的三元组损失函数;所述基于比例的三元组损失函数约束正样本特征距离与负样本特征距离的比例小于预设的比例阈值;所述正样本特征距离为基准图像特征和正样本图像特征之间的距离;所述负样本特征距离为基准图像特征和负样本图像特征之间的距离。
4.根据权利要求2所述的行人重识别方法,其特征在于,所述比例阈值为一常量。
7.根据权利要求5所述的行人重识别方法,其特征在于,所述比例阈值为一常量。
8.一种行人重识别装置,其特征在于,包括:
任务获取模块,用于获取待处理的行人重识别任务;
行人重识别模块,用于使用预设的行人重识别模型对所述行人重识别任务进行处理,得到行人重识别结果;其中,所述行人重识别模型在模型训练过程中使用的损失函数为预设的基于比例的三元组损失函数;所述基于比例的三元组损失函数约束正样本特征距离与负样本特征距离的比例小于预设的比例阈值;所述正样本特征距离为基准图像特征和正样本图像特征之间的距离;所述负样本特征距离为基准图像特征和负样本图像特征之间的距离。
9.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的行人重识别方法的步骤。
10.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的行人重识别方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210609192.0A CN114943985A (zh) | 2022-05-31 | 2022-05-31 | 行人重识别方法、装置、计算机可读存储介质及终端设备 |
US18/078,027 US20230386244A1 (en) | 2022-05-31 | 2022-12-08 | Person re-identification method, computer-readable storage medium, and terminal device |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210609192.0A CN114943985A (zh) | 2022-05-31 | 2022-05-31 | 行人重识别方法、装置、计算机可读存储介质及终端设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114943985A true CN114943985A (zh) | 2022-08-26 |
Family
ID=82908413
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210609192.0A Pending CN114943985A (zh) | 2022-05-31 | 2022-05-31 | 行人重识别方法、装置、计算机可读存储介质及终端设备 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20230386244A1 (zh) |
CN (1) | CN114943985A (zh) |
-
2022
- 2022-05-31 CN CN202210609192.0A patent/CN114943985A/zh active Pending
- 2022-12-08 US US18/078,027 patent/US20230386244A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
US20230386244A1 (en) | 2023-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113536864B (zh) | 手势识别方法、装置、计算机可读存储介质及终端设备 | |
CN102667810B (zh) | 数字图像中的面部识别 | |
WO2020143330A1 (zh) | 一种人脸图像的捕捉方法、计算机可读存储介质及终端设备 | |
CN110335216B (zh) | 图像处理方法、图像处理装置、终端设备及可读存储介质 | |
CN112348778B (zh) | 一种物体识别方法、装置、终端设备及存储介质 | |
KR101912748B1 (ko) | 확장성을 고려한 특징 기술자 생성 및 특징 기술자를 이용한 정합 장치 및 방법 | |
CN110852311A (zh) | 一种三维人手关键点定位方法及装置 | |
CN109116129B (zh) | 终端检测方法、检测设备、系统及存储介质 | |
CN108961183B (zh) | 图像处理方法、终端设备及计算机可读存储介质 | |
CN111355941A (zh) | 图像颜色实时校正方法、装置和系统 | |
WO2022127111A1 (zh) | 跨模态人脸识别方法、装置、设备及存储介质 | |
CN112528866A (zh) | 跨模态人脸识别方法、装置、设备及存储介质 | |
CN112614110B (zh) | 评估图像质量的方法、装置及终端设备 | |
CN111783767A (zh) | 文字识别方法、装置、电子设备及存储介质 | |
CN108960246B (zh) | 一种用于图像识别的二值化处理装置及方法 | |
CN114758268A (zh) | 手势识别方法、装置及智能设备 | |
CN114943985A (zh) | 行人重识别方法、装置、计算机可读存储介质及终端设备 | |
CN111402177A (zh) | 一种清晰度检测方法、系统、设备和介质 | |
CN111160363B (zh) | 特征描述子生成方法、装置、可读存储介质及终端设备 | |
CN115035432A (zh) | 一种异常视频的检测方法、装置、介质及设备 | |
CN114937287A (zh) | 行人重识别方法、装置、计算机可读存储介质及终端设备 | |
Selvi et al. | FPGA implementation of a face recognition system | |
CN112989924A (zh) | 目标检测方法、目标检测装置及终端设备 | |
CN112967321A (zh) | 运动目标的检测方法、装置、终端设备及存储介质 | |
CN114596210A (zh) | 噪声估计方法、装置、终端设备及计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |