行人重识别数据增强方法、装置、设备及可读存储介质.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CN112883774A(43)申请公布日2021.06.01(21)申请号202011635206.3(22)申请日2020.12.31(71)申请人厦门易仕特仪器有限公司地址361000福建省厦门市湖里区悦华路215号二号厂房五层西侧B单元(72)发明人龚云鹏(74)专利代理机构厦门原创专利事务所(普通合伙)35101代理人徐东峰(51)Int.Cl.G06K9/00(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书11页附图4页(54)发明名称行人重识别数据增强方法、装置、设备及可读存储介质(57)摘要本发明提供一种行人重识别数据增强方法、装置、设备及可读存储介质。该方法包括获取多个行人样本图像，每个行人样本图像携带类别标签；生成随机灰度块替换器，对所述行人样本图像上的随机区域进行灰度块替换处理，得到随机灰度化行人样本图像，所述随机灰度化行人样本图像上具有一个或多个灰度块，且携带与对应的所述行人样本图像相同的类别标签；将多个所述行人样本图像和所述随机灰度化行人样本图像合并，得到联合训练集。本发明提供的行人重识别数据增强方法充分利用了灰度图像保留的结构信息，使得图像的颜色信息与灰度图像的空间结构信息在模型训练中相互拟合有效降低模型对颜色信息过拟合的风险，使模型在跨摄像头环境时对颜色信息变化具有较强的鲁棒性。CN112883774ACN112883774A权利要求书1/2页1.一种行人重识别数据增强方法，其特征在于，包括：获取多个行人样本图像，每个行人样本图像携带类别标签；生成随机灰度块替换器，对所述行人样本图像上的随机区域进行灰度块替换处理，得到随机灰度化行人样本图像，所述随机灰度化行人样本图像上具有一个或多个灰度块，且携带与对应的所述行人样本图像相同的类别标签；将多个所述行人样本图像和所述随机灰度化行人样本图像合并，得到联合训练集。2.根据权利要求1所述的行人重识别数据增强方法，其特征在于，所述生成随机灰度块替换器，对所述行人样本图像上的随机区域进行灰度块替换处理，具体为：在所述行人样本图像上生成块状的随机区域，所述随机区域为一块或多块；将所述行人样本图像转换为灰度图像，根据所述灰度图像和所述随机区域，得到位于所述随机区域的灰度替换块；将所述灰度替换块覆盖在所述行人样本图像上的对应区域，得到所述随机灰度化行人样本图像。3.根据权利要求2所述的行人重识别数据增强方法，其特征在于，所述在所述行人样本图像上生成随机区域，具体为：获取预设的替换比例区间，根据所述替换比例区间和所述行人样本图像的面积，得到灰度替换块的面积区间；在所述面积区间内随机选取一个数值，得到所述随机区域的面积值；根据所述面积值在所述行人样本图像上生成所述随机区域。4.根据权利要求3所述的行人重识别数据增强方法，其特征在于，不同的所述行人样本图像在所述面积区间内随机选取的数值不同。5.根据权利要求1所述的行人重识别数据增强方法，其特征在于，所述行人样本图像为具有色彩空间的图像，所述色彩空间为RGB、HSV、YUV、CMY和YIQ中的一种或多种。6.根据权利要求1所述的行人重识别数据增强方法，其特征在于，得到联合训练集后，还包括：将所述联合训练集输入神经网络进行训练模型。7.根据权利要求5所述的行人重识别数据增强方法，其特征在于，将所述联合训练集输入神经网络进行训练模型具体为：使用基准fastReID来训练模型，使用ResNet101‑ibn深度网络作为基准fastReID的骨干网络；用Circleloss作为分类损失，以每个行人作为一个类别，根据输入的图像以及对应图像的类别标签进行训练模型，直至收敛。8.一种行人重识别数据增强装置，其特征在于，包括：图像获取单元，用于获取多个行人样本图像，每个行人样本图像携带类别标签；灰度块替换器生成单元，用于生成随机灰度块替换器，对所述行人样本图像上的随机区域进行灰度化处理，得到随机灰度化行人样本图像，所述随机灰度化行人样本图像携带与对应的所述行人样本图像相同的类别标签；合并单元，用于将多个所述行人样本图像和所述随机灰度化行人样本图像合并，得到联合训练集。9.一种行人重识别数据增强设备，其特征在于，包括：2CN112883774A权利要求书2/2页存储器；以及耦合到所属存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，执行如如权利要求1至7任一项所述的行人重识别数据增强方法。10.一种计算机可读存储介质，其特征在于，其上存储有程序，该程序被处理器执行时实现如权利要求1至7任一项所述的行人重识别数据增强方法。3CN112883774A说明书1/11页行人重识别数据增强方法、装置、设备及