申请/专利权人：中国矿业大学

申请日：2020-12-17

公开（公告）日：2024-05-10

公开（公告）号：CN112507941B

主分类号：G06V40/10

分类号：G06V40/10;G06V20/40;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.05.10#授权;2024.04.30#著录事项变更;2024.04.30#专利申请权的转移;2021.04.02#实质审查的生效;2021.03.16#公开

摘要：本发明涉及一种面向矿井AI视频分析的跨视域行人重识别方法及装置，属于计算机视觉技术领域，解决了现有无监督行人重识别方法的精确度较低的问题。方法包括：获取源域数据集和目标域数据集；构建残差网络，将源域数据集和目标域数据集分别输入残差网络进行特征提取，得到源域数据集对应的特征和目标域数据集对应的特征并分别存储至存储器；基于源域数据集对应的特征和目标域数据集对应的特征得到第一损失函数；调节残差网络的参数，直至第一损失函数小于设定阈值时，得到残差网络的最优网络结构；将待重识别的目标图像输入残差网络的最优网络结构，得到待重识别的目标图像对应的行人信息。提高了行人重识别的精度。

主权项：1.一种面向矿井AI视频分析的跨视域行人重识别方法，其特征在于，包括下述步骤：获取源域数据集和目标域数据集，所述源域数据集为有标签数据集，所述目标域数据集为无标签数据集；构建残差网络，将所述源域数据集和目标域数据集分别输入残差网络进行特征提取，得到源域数据集对应的特征和目标域数据集对应的特征，并将所述源域数据集对应的特征和目标域数据集对应的特征分别存储至存储器；基于所述源域数据集对应的特征和目标域数据集对应的特征得到第一损失函数；调节残差网络的参数，直至所述第一损失函数小于设定阈值时，得到残差网络的最优网络结构；将待重识别的目标图像输入所述残差网络的最优网络结构，得到待重识别的目标图像对应的行人信息；其中，基于所述源域数据集对应的特征和目标域数据集对应的特征得到第一损失函数，包括下述步骤：基于所述源域数据集对应的特征和交叉熵损失函数，得到第二损失函数；基于所述源域数据集对应的特征和目标域数据集对应的特征得到第三损失函数；基于所述目标域数据集对应的特征得到第四损失函数；基于所述第二损失函数、第三损失函数和第四损失函数得到第一损失函数；其中，基于所述源域数据集对应的特征和目标域数据集对应的特征得到第三损失函数，包括下述步骤：基于所述源域数据集对应的特征和目标域数据集对应的特征得到相似度分数地图，其中，所述相似度分数地图的横轴为目标域数据集的数据个数，纵轴为源域数据集的类别数；将所述相似度分数地图中同一类别数对应的相似度分数由高到低排序，得到第一正样本集和第一负样本集；基于所述第一正样本集计算得到第一欧式距离，基于所述第一负样本集计算得到第二欧式距离；基于所述第一欧式距离和第二欧式距离得到第三损失函数；所述第一欧式距离的计算公式为： 上式中，L1表示第一欧氏距离，P1表示第一正样本集，a1、b1表示第一正样本集中的任意两个正样本，fa1、fb1表示第一正样本集中的任意两个正样本对应的特征，s1表示正样本的个数；所述第二欧式距离计算公式为： 上式中，L2表示第二欧氏距离，N1表示第一负样本集，g1、m1表示第一负样本集中的任意两个负样本，fg1、fm1表示第一负样本集中的任意两个负样本对应的特征，s2表示负样本的个数；第三损失函数的计算公式为： 上式中，Lsl表示第三损失函数；基于所述目标域数据集对应的特征得到第四损失函数，包括下述步骤：基于所述目标域数据集获得第二正样本集和第二负样本集；基于所述第二正样本集得到第三欧式距离，基于所述第二负样本集得到第四欧式距离；基于所述第三欧式距离和第四欧式距离得到第四损失函数；所述第二正样本集的计算公式为：P2＝max{fxcfTxd}上式中，P2表示第二正样本集，xc、xd为源域数据集中的任意两个数据，fxc、fxd为源域数据集中的任意两个数据对应的特征，fTxd为fxd的转置；所述第二负样本集的计算公式为：N2＝min{fxcfTxd}上式中，N2表示第二负样本集，所述第三欧式距离的计算公式为： 上式中，L3表示第三欧氏距离，P2表示第二正样本集，a2、b2表示第二正样本集中的任意两个正样本，fa2、fb2表示第二正样本集中的任意两个正样本对应的特征，s3表示正样本的个数；所述第四欧式距离的计算公式为： 上式中，L4表示第四欧氏距离，N2表示第二负样本集，g2、m2表示第二负样本集中的任意两个负样本，fg2、fm2表示第二负样本集中的任意两个负样本对应的特征，s4表示负样本的个数；第四损失函数的计算公式为： Ltl表示第四损失函数。

全文数据：

权利要求：

百度查询： 中国矿业大学 面向矿井AI视频分析的跨视域行人重识别方法及装置

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