一种行人重识别方法、装置、电子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CN112200020A(43)申请公布日2021.01.08(21)申请号202011004224.1(22)申请日2020.09.22(71)申请人北京迈格威科技有限公司地址100086北京市海淀区科学院南路2号融科资讯中心A座316-318(72)发明人王贯安杨硕王志成(74)专利代理机构北京润泽恒知识产权代理有限公司11319代理人王婷婷(51)Int.Cl.G06K9/00(2006.01)G06K9/46(2006.01)G06K9/62(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书3页说明书18页附图3页(54)发明名称一种行人重识别方法、装置、电子设备及可读存储介质(57)摘要本发明公开了一种重识别方法、装置、电子设备及可读存储介质，所述方法包括：获取待识别的一对人像图片；获取每个所述人像图片的一阶特征，所述一阶特征包括所述人像图片中每个关键点的局部特征，和所述人像图片的全局特征；基于所述人像图片的一阶特征，获取所述人像图片的关系信息；基于每个所述人像图片的所述一阶特征和所述关系信息，获取每个所述人像图片的人体拓扑信息；基于每个所述人像图片的所述关系信息和所述人体拓扑信息，获取行人重识别结果，所述行人重识别结果包括所述一对人像图片中是否包含同一人像。解决了现有的行人重识别方案鲁棒性不强，影响识别结果准确性的技术问题。取得了提高行人重识别结果准确性的有益效果。CN112200020ACN112200020A权利要求书1/3页1.一种行人重识别方法，其特征在于，包括：获取待识别的一对人像图片；获取每个所述人像图片的一阶特征，所述一阶特征包括所述人像图片中每个关键点的局部特征，和所述人像图片的全局特征；基于所述人像图片的一阶特征，获取所述人像图片的关系信息；基于每个所述人像图片的所述一阶特征和所述关系信息，获取每个所述人像图片的人体拓扑信息；基于每个所述人像图片的所述关系信息和所述人体拓扑信息，获取行人重识别结果，所述行人重识别结果包括所述一对人像图片中是否包含同一人像。2.根据权利要求1所述的方法，其特征在于，所述基于所述人像图片的一阶特征，获取所述人像图片的关系信息的步骤，包括：针对每个所述人像图片，基于所述人像图片的一阶特征，通过方向自适应的图卷积层，获取所述人像图片的关系信息；其中，所述方向自适应的图卷积层被配置为：基于所述人像图片的所述全局特征与所述局部特征之间的差，获取所述人像图片的自适应邻阶矩阵；根据所述自适应邻阶矩阵、所述局部特征以及所述全局特征，获取所述人像图片的关系信息。3.根据权利要求2所述的方法，其特征在于，所述基于所述人像图片的所述全局特征与所述局部特征之间的差，获取所述人像图片的自适应邻阶矩阵的步骤，包括：基于所述全局特征构建K×K维的全局特征矩阵，所述全局特征矩阵中的元素为全局特征；基于全部所述局部特征构建K×K维的局部特征矩阵，所述全局特征矩阵中的元素为局部特征；对所述全局特征矩阵和所述局部特征矩阵进行元素减法运算，得到第一矩阵；对所述第一矩阵中的元素进行取绝对值处理以及批量归一化处理，并将处理后的矩阵作为第一全连接层的输入，获取所述第一全连接层的输出，作为所述自适应邻阶矩阵；其中，所述K为所述关键点的数量。4.根据权利要求3所述的方法，其特征在于，所述根据所述自适应邻阶矩阵、所述局部特征以及所述全部特征，获取所述人像图片的关系信息的步骤，包括：对所述自适应邻阶矩阵与所述局部特征进行矩阵乘法运算，并将运算结果输入第二全连接层，同时将所述所述局部特征输入第三全连接层；对所述第二全连接层的输出数据和所述第三全连接层的输出数据进行元素相加运算，并基于元素相加运算的运算结果，和所述全局特征，获取所述所述人像图片的关系信息。5.根据权利要求2所述的方法，其特征在于，所述针对每个所述人像图片，基于所述人像图片的一阶特征，通过方向自适应的图卷积层，获取所述人像图片的关系信息的步骤，包括：针对每个所述人像图片，基于所述人像图片的一阶特征，和原始邻阶矩阵，通过所述方向自适应的图卷积层，获取所述人像图片的关系信息；2CN112200020A权利要求书2/3页所述根据所述自适应邻阶矩阵、所述局部特征以及所述全局特征，获取所述人像图片的关系信息的步骤，包括：对所述所述自适应邻阶矩阵与所述原始邻阶矩阵进行元素乘法运算，得到第一邻阶矩阵；对所述第一邻阶矩阵与所述局部特征进行矩阵乘法运算，并将运算结果输入第二全连接层，同时将所述局部特征输入第三全连接层；对所述第二全连接层的输出数据和所述第三全连接层的输出数据进行元素相加运算，并基于元素相加运算的运算结果，和所述全局特征，获取所述所述人像图片的