一种行人重识别模型创建方法、装置、设备及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114495175A(43)申请公布日2022.05.13(21)申请号202210133696.XG06N3/04(2006.01)(22)申请日2022.02.14G06N3/08(2006.01)(71)申请人济南博观智能科技有限公司地址250001山东省济南市高新区新泺大街1166号奥盛大厦3号楼17楼(72)发明人尤炜锋(74)专利代理机构北京集佳知识产权代理有限公司11227专利代理师姚莹丽(51)Int.Cl.G06V40/10(2022.01)G06V10/764(2022.01)G06V10/774(2022.01)G06V10/82(2022.01)G06K9/62(2022.01)权利要求书2页说明书9页附图2页(54)发明名称一种行人重识别模型创建方法、装置、设备及存储介质(57)摘要本申请公开了一种行人重识别模型创建方法、装置、设备及存储介质。该方法包括：获取行人图片数据以得到训练集；按照预设身姿约束规则对所述训练集进行分组，得到多组目标batch；所述预设身姿约束规则包括行人ID数量和身姿类型；构建待训练网络，利用所述训练集对所述待训练网络进行第一阶段训练得到第一阶段训练后模型，利用所述目标batch对所述第一阶段训练后模型进行第二阶段训练以得到所述行人重识别模型。能够使模型在每个batch中对行人身姿进行充分训练，能更有效提取到相同ID不同身姿的特征，有效提高行人重识别模型的身姿鲁棒性与模型泛化能力，使模型进行行人重识别时更加准确，提高模型特征提取能力。CN114495175ACN114495175A权利要求书1/2页1.一种行人重识别模型创建方法，其特征在于，包括：获取行人图片数据以得到训练集；按照预设身姿约束规则对所述训练集进行分组，得到多组目标batch；所述预设身姿约束规则包括行人ID数量和身姿类型；构建待训练网络，利用所述训练集对所述待训练网络进行第一阶段训练得到第一阶段训练后模型，利用所述目标batch对所述第一阶段训练后模型进行第二阶段训练以得到所述行人重识别模型。2.根据权利要求1所述的行人重识别模型创建方法，其特征在于，所述获取行人图片数据以得到训练集，包括：获取行人图片数据，并按照所述行人图片数据对应的行人ID和身姿类型对所述行人图片数据进行分类；根据每种所述身姿类型对应的行人图片数据的数量确定出目标身姿类型，并对所述目标身姿类型对应的行人图片数据进行数据增强，以得到所述训练集。3.根据权利要求2所述的行人重识别模型创建方法，其特征在于，所述获取行人图片数据，并按照所述行人图片数据对应的行人ID和身姿类型对所述行人图片数据进行分类，包括：获取多个点位不同角度不同摄像头采集到的行人图片，以得到多个行人分别在不同身姿类型下的图片数据；根据所述行人图片中的行人目标对每张行人图片添加对应的行人ID，并根据所述行人图片中行人的身姿类型对每张行人图片添加对应的身姿类型标识，以得到按照行人ID和身姿类型分类后的图片；所述身姿类型包括正身、侧身和背身。4.根据权利要求2所述的行人重识别模型创建方法，其特征在于，所述按照所述行人图片数据对应的行人ID和身姿类型对所述行人图片数据进行分类，包括：利用预先训练得到的姿分类模型识别所述行人图片数据对应的身姿类型，以对所述行人图片数据进行身姿分类。5.根据权利要求1所述的行人重识别模型创建方法，其特征在于，所述按照预设身姿约束规则对所述训练集进行分组，得到多组目标batch，包括：按照行人ID数量和身姿类型对所述训练集进行筛选分组，以得到多组目标batch；其中，单个所述目标batch内包含大于预设行人数量的行人对应的图片数据，所述目标batch内单个行人对应的图片数据包含该行人不同身姿类型下的图片，且不同身姿类型的图片之间比例均衡。6.根据权利要求1所述的行人重识别模型创建方法，其特征在于，所述待训练网络的训练过程中，还包括：采用CombinedMarginLoss损失函数或arcfaceloss损失函数，对所述待训练网络进行端到端的训练。7.根据权利要求1至6任一项所述的行人重识别模型创建方法，其特征在于，所述利用所述目标batch对所述第一阶段训练后模型进行第二阶段训练以得到所述行人重识别模型，包括：固定所述第一阶段训练后模型的全连接层，将所述目标batch输入至所述第一阶段训2CN114495175A权利要求书2/2页练后模型，以对所述全连接层进行单独训练；当所述单独训练次数达到预设次数后取消对所述全连接层的固定，使模型内各层进行参数反传和更新，以得到所述行人重识别模型。8.一种行人重识别模型创建装置，其特征在于，包括：训练集确定模块，用于获取行人图片数据以得到训练集；目标batch