(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210361618.5 (22)申请日 2022.04.07 (71)申请人 康佳集团股份有限公司 地址 518057 广东省深圳市南 山区粤海街 道科技园科技南十二路28号康佳研发 大厦15-24层 (72)发明人 赛义德·穆罕默德·阿德南　李涛　 欧勇盛　杨建祥　 (74)专利代理 机构 深圳市君胜知识产权代理事 务所(普通 合伙) 44268 专利代理师 朱阳波　王永文 (51)Int.Cl. G06V 40/16(2022.01) G06V 10/762(2022.01) G06V 10/764(2022.01)G06V 10/74(2022.01) G06K 9/62(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种行人重识别方法、 装置、 终端及存储介 质 (57)摘要 本发明公开了一种行人重识别方法、 装置、 终端及存储介质， 本发明预先通过具有域内关系 的第一训练图像集和具有域间关系的第二训练 图像集训练得到目标度量网络， 使得目标度量网 络既能在同域内的不相干视图中辨别人， 也能在 不同的未知域中辨别人。 解决了现有技术中在简 单的封闭相机域下完成的度量学习方法， 难以适 用于包含有许多未知相机域的现实世界相机域 的问题。 权利要求书2页 说明书10页 附图7页 CN 114724216 A 2022.07.08 CN 114724216 A 1.一种行 人重识别方法， 其特 征在于， 所述方法包括： 获取第一图像和第二图像， 其中， 所述第一图像 中包含目标对象， 所述第 一图像和所述 第二图像分别对应同一相机域的不同视图或者分别对应不同相机域的视图； 将所述第一图像和所述第 二图像输入预先构建的目标度量网络， 获取所述目标度量网 络基于所述第一图像和所述第二图像输出 的相似度值， 其中， 所述 目标度量网络预先经过 训练数据集训练， 所述训练数据集包括第一训练图像集和第二训练图像集， 所述第一训练 图像集包括同一相机域下的不同视图， 所述第二训练图像集包括各相机域中的人物转换至 不同相机域下的视图； 根据所述相似度值， 判断所述第二图像中是否包 含所述目标对象。 2.根据权利要求1所述的行人重识别方法， 其特征在于， 所述目标度量网络的训练过程 包括： 获取训练数据集， 其中， 所述训练数据集包括若干 批训练数据； 根据若干 批所述训练数据， 对预设的卷积神经网络进行迭代更新； 根据迭代更新后的所述卷积神经网络， 确定所述目标度量网络； 其中， 每一次迭代更新基于一批所述训练数据， 一次迭代更新的过程包括： 获取特征集合， 其中， 所述特征集合包括若干特征， 若干所述特征分别用于反映所述卷 积神经网络中的不同层级的特 征； 根据该批所述训练数据确定核集 合， 其中， 所述核集 合包括若干内核； 根据所述特 征集合， 对若干所述内核分别对应的核权 重值进行 更新； 根据若干所述内核分别对应的更新后的核权 重值， 确定目标 特征空间； 根据所述特 征集合， 对所述卷积神经网络对应的网络 权重值进行 更新。 3.根据权利要求2所述的行人重识别方法， 其特征在于， 所述根据 该批所述训练数据确 定核集合， 包括： 根据该批所述训练数据确定若干聚类数据， 其中， 若干所述聚类数据分别对应不同的 相机域； 根据每一所述聚类数据确定一组所述内核， 其中， 每组所述内核的数量相等； 根据若干所述聚类数据分别对应的一组所述内核， 生成所述核集 合。 4.根据权利要求3所述的行人重识别方法， 其特征在于， 每组所述内核包括一个RBF核 和一个x2核， 其中， 所述RBF核和所述x2核分别对 应的sigma值基于该组所述内核对应的所述 聚类数据的平均值或中心值确定 。 5.根据权利要求2所述的行人重识别方法， 其特征在于， 所述根据所述特征集合， 对若 干所述内核分别对应的核权 重值进行 更新， 包括： 将所述特征集合中所有特征投射至每一所述内核对应的特征空间， 得到每一所述内核 对应的第一投影特 征； 根据每一所述内核对应的第一投影特 征， 确定每一所述内核对应的核误差值； 根据每一所述内核对应的核误差值对每一所述内核对应的所述核权 重值进行 更新。 6.根据权利要求2所述的行人重识别方法， 其特征在于， 所述根据所述特征集合， 对所 述卷积神经网络对应的网络 权重值进行 更新， 包括： 将所述特征集合中所有特征投射至所述目标特征空间， 得到所述目标特征空间对应的权　利　要　求　书 1/2 页 2 CN 114724216 A 2第二投影特 征； 根据所述第二投影特 征， 确定所述卷积神经网络对应的网络误差值； 根据所述网络误差值对所述卷积神经网络执行反向传播， 以实现对所述卷积神经网络 对应的网络 权重值进行 更新。 7.根据权利要求1所述的行人重识别方法， 其特征在于， 所述根据所述相似度值， 判断 所述第二图像中是否包 含所述目标对象， 包括： 获取预设的相似度阈值； 当所述相似度值大于所述相似度阈值时， 判断所述第二图像中包 含所述目标对象。 8.一种行 人重识别装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取第一图像和第二图像， 其中， 所述第一图像中包含目标对象， 所述 第一图像和所述第二图像分别对应同一相机域的不同视图或者分别对应不同相机域的视 图； 度量模块， 用于将所述第一图像和所述第二图像输入预先构建的目标度量网络， 获取 所述目标度量网络基于所述第一图像和所述第二图像输出 的相似度值， 其中， 所述 目标度 量网络预先经过训练数据集训练， 所述训练数据集包括第一训练图像集和第二训练图像 集， 所述第一训练图像集包括同一相 机域下的不同视图， 所述第二训练图像集包括各相 机 域中的人物转换至不同相机域下的视图； 判断模块， 用于根据所述相似度值， 判断所述第二图像中是否包 含所述目标对象。 9.一种终端， 其特征在于， 所述终端包括有存储器和一个或者一个以上处理器； 所述存 储器存储有一个或者一个以上 的程序； 所述程序包含用于执行如权利要求1 ‑7中任一所述 的行人重识别方法的指令； 所述处 理器用于执 行所述程序。 10.一种计算机可读存储介质， 其上存储有多条指令， 其特征在于， 所述指令适用于由 处理器加载并执 行， 以实现上述权利要求1 ‑7任一所述的行 人重识别方法的步骤。权　利　要　求　书 2/2 页 3 CN 114724216 A 3