申请/专利权人：深圳须弥云图空间科技有限公司;深圳介子云图空间科技有限公司

申请日：2023-12-06

公开（公告）日：2024-04-12

公开（公告）号：CN117372818B

主分类号：G06V10/774

分类号：G06V10/774;G06V10/26;G06V10/44;G06V10/764;G06V10/82;G06V20/40

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2024.01.26#实质审查的生效;2024.01.09#公开

摘要：本公开提供了一种目标重识别方法及装置。该方法包括：利用遮挡增强网络、特征提取网络和遮挡区域学习网络构建目标重识别模型；将训练图像输入目标重识别模型：通过遮挡增强网络处理训练图像，得到遮挡图像；通过特征提取网络处理遮挡图像，得到图像特征；通过遮挡区域学习网络处理图像特征，得到特征图、遮挡类别识别结果以及对象识别结果；分别基于特征图、遮挡类别识别结果以及对象识别结果计算遮挡区域识别损失、遮挡类别识别损失以及对象识别损失；依据遮挡区域识别损失、遮挡类别识别损失以及对象识别损失优化目标重识别模型的参数。采用上述技术手段，解决现有技术中，密集群体下因遮挡导致目标重识别错误的问题。

主权项：1.一种目标重识别方法，其特征在于，包括：构建遮挡增强网络和遮挡区域学习网络，将残差网络作为特征提取网络，利用所述遮挡增强网络、所述特征提取网络和所述遮挡区域学习网络构建目标重识别模型；获取训练数据，将所述训练数据中的训练图像输入所述目标重识别模型：通过所述遮挡增强网络处理所述训练图像，得到所述训练图像的遮挡图像；通过所述特征提取网络处理所述遮挡图像，得到图像特征；通过所述遮挡区域学习网络处理所述图像特征，得到特征图、遮挡类别识别结果以及对象识别结果；分别基于所述特征图、所述遮挡类别识别结果以及所述对象识别结果计算遮挡区域识别损失、遮挡类别识别损失以及对象识别损失；依据所述遮挡区域识别损失、所述遮挡类别识别损失以及所述对象识别损失优化所述目标重识别模型的参数，以完成对所述目标重识别模型的训练；其中，构建遮挡区域学习网络，包括：利用全局通道平均池化层、激活层和二值化层构建遮挡区域学习分支；利用全连接层处理和分类层构建遮挡类别识别分支以及对象识别分支；利用所述遮挡区域学习分支、所述遮挡类别识别分支、所述对象识别分支和相乘层构建所述遮挡区域学习网络；其中，所述遮挡区域学习分支中激活层的输出和所述遮挡区域学习网络的输入作为所述相乘层的输入，所述相乘层的输出作为所述遮挡类别识别分支和所述对象识别分支的输入，所述遮挡区域学习分支的输入和所述遮挡区域学习网络的输入一样；其中，分别基于所述特征图、所述遮挡类别识别结果以及所述对象识别结果计算遮挡区域识别损失、遮挡类别识别损失以及对象识别损失，包括：基于所述特征图和所述遮挡图像的遮挡区域标签，利用散度损失函数计算所述遮挡区域识别损失；基于所述遮挡类别识别结果和所述遮挡图像的遮挡类别标签，利用交叉熵损失函数计算所述遮挡类别识别损失；基于所述对象识别结果和所述遮挡图像的对象标签，利用所述交叉熵损失函数计算所述对象识别损失；其中，所述遮挡区域标签是一个元素均为零或一的矩阵，遮挡区域标签中的零表示非遮挡区域，一表示遮挡区域。

全文数据：

权利要求：

百度查询： 深圳须弥云图空间科技有限公司;深圳介子云图空间科技有限公司 目标重识别方法及装置

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD