申请/专利权人:北京迈格威科技有限公司
申请日:2019-12-18
公开(公告)日:2024-03-19
公开(公告)号:CN111191533B
主分类号:G06V40/10
分类号:G06V40/10;G06V10/764;G06V10/82;G06N3/0464;G06N3/048;G06N3/08
优先权:
专利状态码:有效-授权
法律状态:2024.03.19#授权;2020.06.16#实质审查的生效;2020.05.22#公开
摘要:本申请涉及一种行人重识别的处理方法、装置、计算机设备和存储介质。所述方法包括:将待进行重识别的识别图像输入至预先训练的预测神经网络中,得到所述预测神经网络输出的所述识别图像的多个子特征,以及与所述识别图像的每个子特征对应的可见性置信度;根据所述识别图像的多个子特征和与所述识别图像的每个子特征对应的可见性置信度,确定所述识别图像的特征;根据所述识别图像的特征在预先设置的图像数据库中搜索出包含所述目标对象的目标图像。通过本发明实施例,提高了图像搜索的准确性,降低了图像搜索的难度。
主权项:1.一种行人重识别的处理方法,其特征在于,所述方法包括:将待进行重识别的识别图像输入至预先训练的预测神经网络中,得到所述预测神经网络输出的所述识别图像的多个子特征,以及与所述识别图像的每个子特征对应的可见性置信度;其中,所述识别图像包含目标对象,所述识别图像的多个子特征对应所述目标对象的多个部分区域,所述目标对象的多个部分区域组成所述目标对象;所述可见性置信度用于指示所述识别图像的每个子特征对应的所述目标对象的部分区域未被遮挡的概率;根据所述识别图像的多个子特征和与所述识别图像的每个子特征对应的可见性置信度,确定所述识别图像的特征;根据所述识别图像的特征在预先设置的图像数据库中搜索出包含所述目标对象的目标图像;其中,在所述将待进行重识别的识别图像输入至预先训练的预测神经网络中之前,所述方法还包括:获取训练样本集;所述训练样本集中包括多个训练样本和各所述训练样本的可见性标注;所述训练样本包含训练对象,所述训练样本的多个子特征对应所述训练对象的多个部分区域,所述训练对象的多个部分区域组成所述训练对象,所述可见性标注用于指示所述训练样本的每个子特征对应所述训练对象的部分区域的可见性;通过所述神经网络对所述训练样本进行特征提取,得到所述训练样本的特征,并将所述训练样本的特征分割成多个子特征;对所述训练样本的子特征采用权值不共享的卷积层进行卷积,并通过全局平均池化层和一个全连接层获得所述训练样本的每个子特征对应的一维特征向量;根据激活函数和所述训练样本的每个子特征对应的一维特征向量,得到所述训练样本的每个子特征对应的可见性置信度;根据所述训练样本的可见性标注和所述训练样本的每个子特征对应的可见性置信度进行神经网络的训练,得到所述预测神经网络。
全文数据:
权利要求:
百度查询: 北京迈格威科技有限公司 行人重识别的处理方法、装置、计算机设备和存储介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。