(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 202211124365.6 (22)申请日 2022.09.15 (71)申请人 北京龙智数 科科技服务有限公司 地址 100020 北京市朝阳区北 苑小街8号6 号楼五层5 305 (72)发明人 王夏洪　 (74)专利代理 机构 北京嘉科知识产权代理事务 所(特殊普通 合伙) 11687 专利代理师 陈美君 (51)Int.Cl. G06V 40/10(2022.01) G06V 10/44(2022.01) G06V 10/74(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 行人重识别方法及装置 (57)摘要 本公开涉及计算机技术领域， 提供了一种行 人重识别方法及装置。 该方法包括： 获取待识别 的行人图像数据； 将行人图像数据输入预置的行 人重识别模 型， 得到行人重识别模 型输出的行人 图像数据的第一描述特征， 其中， 行人重识别模 型经由采用有标记的第一训练数据集进行的有 监督学习的训练过程和采用无标记的第二训练 数据集进行的风格对抗的无监督学习的训练过 程得到； 根据第一描述特征与图像数据库中的在 库描述特 征确定行 人重识别结果。 权利要求书2页 说明书11页 附图3页 CN 115410230 A 2022.11.29 CN 115410230 A 1.一种行 人重识别方法， 其特 征在于， 所述方法包括： 获取待识别的行 人图像数据； 将所述行人图像数据输入预置的行人重识别模型， 得到所述行人重识别模型输出的所 述行人图像数据的第一描述特征， 其中， 所述行人重识别模型经 由采用有标记的第一训练 数据集进行 的有监督学习的训练过程和采用无标记的第二训练数据集进行的风格对抗的 无监督学习的训练过程得到； 根据所述第一描述特 征与图像数据库中的在库描述特 征确定行 人重识别结果。 2.根据权利要求1所述的方法， 其特 征在于， 所述行 人重识别模型的训练方法包括： 将所述第一训练数据集输入到初始编码器中， 并将得到的第 一编码结果输入到特征分 类器中， 根据得到的分类结果训练所述初始编码器至所述初始编码器 收敛， 得到中间编码 器； 将所述第二训练数据集输入到所述中间编码器中， 并将得到的第 二编码结果输入到去 风格化对抗鉴别器中， 根据得到的鉴别结果训练所述中间编码器至所述中间编码器收敛， 得到所述行 人重识别模型。 3.根据权利要求2所述的方法， 其特征在于， 包括： 将得到的第一编码结果输入到特征 分类器中， 根据得到的分类结果训练所述初始编码器， 包括： 将所述第一编码结果对应的张量沿水平方向进行分块， 得到第一分块子特 征； 对所述第一分块子特 征的第一维度和第二维度进行拉平操作， 得到第二分块子特 征； 根据所述第二分块子特 征和第一卷积神经网络获取 所述分类结果； 将所述第一分块子特征的分类结果相对于输入 图像的原始分类标签的损失的均值作 为损失函数值， 训练所述初始编码器。 4.根据权利要求3所述的方法， 其特征在于， 根据 所述第二分块子特征和第 一卷积神经 网络获取 所述分类结果， 包括： 对所述第二分块子特征依次使用3 ×3卷积层、 全连接层和归一化指数函数层进行处 理， 得到所述分类结果。 5.根据权利要求2所述的方法， 其特征在于， 将得到的第 二编码结果输入到去风格化对 抗鉴别器中， 根据得到的鉴别结果训练所述中间编码器， 包括： 根据所述第二编码结果和第二卷积神经网络获取第一特 征； 对所述第一特 征的第一维度和第二维度进行拉平操作， 得到第二特 征； 将所述第二特征依次使用一个512维全连接层、 激活层、 一个n维全连接层和归一化指 数函数层进行处 理， 得到所述 鉴别结果， 其中， n 为第二训练数据集中训练数据的数量； 根据所述 鉴别结果对所述中间编码器和所述去风格化对抗 鉴别器进行优化。 6.根据权利要求5所述的方法， 其特征在于， 根据 所述鉴别结果对所述中间编码器和所 述去风格化对抗 鉴别器进行优化， 包括： 在所述鉴别结果与对应的输入图像的源域对应时， 对所述中间编码器和所述去风格化 对抗鉴别器进行优化； 在所述鉴别结果与对应的输入图像的源域不对应时， 对所述去风格化对抗鉴别器进行 优化。 7.根据权利要求5所述的方法， 其特征在于， 根据 所述第二编码结果和第 二卷积神经网权　利　要　求　书 1/2 页 2 CN 115410230 A 2络获取第一特 征， 包括： 将所述第二编码结果重复两次依次使用3 ×3卷积层、 全连接层和激活层进行处理， 得 到第一特 征。 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， 用于获取待识别的行 人图像数据； 识别模块， 用于将所述行人图像数据输入预置的行人重识别模型， 得到所述行人重识 别模型输出 的所述行人图像数据的第一描述特征， 其中， 所述行人重识别模型经 由采用有 标记的第一训练数据集进行的有监督学习的训练过程和采用无标记的第二训练数据集进 行的风格对抗的无监 督学习的训练过程得到； 确定模块， 用于根据 所述第一描述特征与图像数据库中的在库描述特征确定行人重识 别结果。 9.一种电子设备， 包括存储器、 处理器以及存储在所述存储器中并且可在所述处理器 上运行的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求 1至 7中任一项所述方法的步骤。 10.一种计算机可读存储介质， 所述计算机可读存储介质存储有计算机程序， 其特征在 于， 所述计算机程序被处 理器执行时实现如权利要求1至7中任一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 115410230 A 3