一种基于在线层次聚类的无监督行人重识别方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113920536A(43)申请公布日2022.01.11(21)申请号202111188153.XG06V10/762(2022.01)(22)申请日2021.10.12G06K9/62(2022.01)(71)申请人广东电网有限责任公司广州供电局地址510620广东省广州市天河区天河南二路2号(72)发明人毕超豪王遂杨文清黄威邓烨恒(74)专利代理机构杭州求是专利事务所有限公司33200代理人林超(51)Int.Cl.G06V40/10(2022.01)G06V10/62(2022.01)G06V10/774(2022.01)G06V10/74(2022.01)权利要求书3页说明书7页附图4页(54)发明名称一种基于在线层次聚类的无监督行人重识别方法(57)摘要本发明公开了一种基于在线层次聚类的无监督行人重识别方法。包括：采集行人样本图片并构成训练集；将训练集输入到行人重识别模型并输出所有行人样本图片的特征，利用在线层次聚类方法对所有行人样本图片的特征进行在线层次聚类后，生成训练集对应的伪标签，再根据伪标签对行人重识别模型进行训练，迭代训练后，获得训练好的行人重识别模型；选取一张待测行人图片并提取待测行人图片的特征；计算待测行人图片的特征与待测行人数据集中剩余的各张待测行人图片的特征之间的余弦相似度，根据预设的相似度阈值，保留高于预设的相似度阈值的所有待测行人图片，实现行人重识别。本发明能够完成无监督的行人重识别任务，具有较高的准确率。CN113920536ACN113920536A权利要求书1/3页1.一种基于在线层次聚类的无监督行人重识别方法，包括以下步骤：1)采集行人样本图片，每张图片中仅包含一个行人，并构成训练集；2)将训练集输入到行人重识别模型，行人重识别模型输出所有行人样本图片的特征，利用在线层次聚类方法对所有行人样本图片的特征进行在线层次聚类后，生成训练集对应的伪标签，再根据伪标签对行人重识别模型进行训练，迭代训练后，获得训练好的行人重识别模型；3)从待测行人数据集选取一张待测行人图片并输入到训练好的行人重识别模型提取待测行人图片的特征；4)将待测行人数据集中剩余的各张待测行人图片均输入到训练好的行人重识别模型提取对应的特征，计算待测行人图片的特征与待测行人数据集中剩余的各张待测行人图片的特征之间的余弦相似度，根据预设的相似度阈值，保留高于预设的相似度阈值的所有待测行人图片，实现行人重识别。2.根据权利要求1所述的一种基于在线层次聚类的无监督行人重识别方法，其特征在于：所述的行人样本图片是指以行人作为目标，每张图片的主体仅有一个完整的行人，不同行人样本图片中的行人为同一人或者不同人拍摄多个行人。3.根据权利要求1所述的一种基于在线层次聚类的无监督行人重识别方法，其特征在于，所述步骤2)具体为：2.1)将ImageNet上预训练模型的参数赋值给行人重识别模型，2.2)将训练集输入到行人重识别模型，行人重识别模型输出所有行人样本图片的特征；2.3)使用基于密度的空间聚类算法对所有行人样本图片的特征进行全局聚类，获得训练集中每张行人样本图片的初始伪标签；2.4)创建层次聚类标签库H，满足其中NH为层次总数，hj代表所有行人样本图片在第j层次的伪标签，代表第i个行人样本图片在第j层次的伪标签；h0代表第0层次，代表所有行人样本图片在第NH层次的伪标签，N代表行人样本图片的总数量；将层次聚类标签库中第0层次的伪标签h0初始化为{1，2，…，N}，使用步骤2.3)中获得的初始伪标签初始化层次聚类标签库中除了第0层次以外的其他层次的伪标签；2.5)对于训练集中第i个行人样本图片输入当前行人重识别模型后获得对应的中间特征，根据第i个行人样本图片的特征和中间特征通过以下公式计算并更新第i个行人样本图片的特征，遍历训练集中剩余的行人样本图片，获得所有行人样本图片的更新后的特征；其中，fi表示第i个行人样本图片的更新后的特征，m表示动量项系数，fi′表示第i个行人样本图片的更新前的特征，表示第i个行人样本图片的中间特征；2.6)根据所有行人样本图片的更新后的特征和初始化的层次聚类标签库，利用在线层次聚类方法对所有行人样本图片进行伪标签更新并更新层次聚类标签库H，再根据更新后2CN113920536A权利要求书2/3页的层次聚类标签库H计算损失，最后根据损失训练行人重识别模型，获得更新后的行人重识别模型；2.7)重复步骤2.5)‑2.6)对行人重识别模型进行训练，直至训练结束，获得训练好的行人重识别模型。4.根据权利要求3所述的一种基于在线层次聚类的无监督行人重识别方法，其特征在于：所述步骤2.6)中利用在线层次聚类方法对所有行人样本图片进行伪标签更新并更