(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 202210759939.0 (22)申请日 2022.06.29 (71)申请人 中国电信股份有限公司 地址 100033 北京市西城区金融大街31号 (72)发明人 张文彬　李韶英　贺晓东　彭巍　 高小兵　 (74)专利代理 机构 北京律智知识产权代理有限 公司 11438 专利代理师 王辉 (51)Int.Cl. G06V 20/52(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/56(2022.01) G06V 10/80(2022.01)G06V 10/82(2022.01) (54)发明名称 行人重识别方法、 装置、 存储介质及电子设 备 (57)摘要 本公开提供一种行人重识别方法、 装置、 存 储介质及电子设备； 涉及人工智 能技术领域。 所 述方法包括： 获取目标彩色行人图像和目标彩色 行人图像对应的灰度行人图像； 利用特征嵌入网 络对目标彩色行人图像进行特征提取， 得到彩色 全局特征和彩色局部特征； 利用特征嵌入网络对 灰度行人图像进行特征提取， 得到灰度全局特征 和灰度局部特征； 融合彩色全局特征、 彩色局部 特征、 灰度全局特征和灰度局部特征， 得到行人 融合特征； 根据行人融合特征， 从预设行人图像 库中确定目标行人。 本公开中通过提取行人图像 的细粒度局部特征， 并融合行人图像的细粒度局 部特征和全局特征进行行人重识别， 可以提高行 人重识别的鲁棒 性和准确性。 权利要求书2页 说明书14页 附图4页 CN 114943937 A 2022.08.26 CN 114943937 A 1.一种行 人重识别方法， 其特 征在于， 包括： 获取目标彩色行 人图像和所述目标彩色行 人图像对应的灰度行 人图像； 利用特征嵌入 网络对所述目标彩色行人图像进行特征提取， 得到彩色全局特征和彩色 局部特征； 利用所述特征嵌入 网络对所述灰度 行人图像进行特征提取， 得到灰度全局特征和灰度 局部特征； 融合所述彩色全局特征、 所述彩色局部特征、 所述灰度全局特征和所述灰度局部特征， 得到行人融合特 征； 根据所述行 人融合特 征， 从预设行 人图像库中确定目标 行人。 2.根据权利要求1所述的行人重识别方法， 其特征在于， 所述特征嵌入 网络包括两个主 干网络， 每个主干网络包括两个分支网络， 每个主干网络的第一分支网络至少包括多个卷 积层和一个池化层， 每个卷积层串联一个通道注意力层， 每个主干网络的第二分支网络至 少包括多个卷积层和一个池化层， 除最后一个卷积层外的每个卷积层串联一个通道注意力 层。 3.根据权利要求2所述的行人重识别方法， 其特征在于， 所述利用特征嵌入 网络对所述 目标彩色行 人图像进行 特征提取， 得到彩色全局特 征和彩色局部特 征， 包括： 利用所述特征嵌入网络的第一主干网络中的第一分支网络对所述目标彩色行人图像 进行特征提取， 得到所述彩色全局特 征； 利用所述特征嵌入网络的第一主干网络中的第二分支网络对所述目标彩色行人图像 进行特征提取， 得到所述彩色局部特 征。 4.根据权利要求2所述的行人重识别方法， 其特征在于， 所述利用所述特征嵌入 网络的 第一主干网络中的第二分支网络对所述目标彩色行人图像进 行特征提取， 得到所述彩色局 部特征， 包括： 利用所述第一主干网络的第二分支网络中的多个卷积层和与每个卷积层串联的通道 注意力层对所述目标彩色行 人图像进行 特征提取， 得到彩色行 人特征图； 将所述彩色行 人特征图分割为多个局部行 人特征图； 利用所述第一主干网络的第二分支网络中的池化层对所述多个局部行人特征图中的 每个局部行 人特征图进行运 算， 得到对应的所述彩色局部特 征。 5.根据权利要求1所述的行人重识别方法， 其特征在于， 所述融合所述彩色全局特征、 所述彩色局部特 征、 所述灰度全局特 征和所述灰度局部特 征， 得到行 人融合特 征， 包括： 将所述彩色局部特 征和所述灰度局部特 征进行拼接， 得到行 人局部特 征； 融合所述彩色全局特征、 所述灰度全局特征和所述行人局部特征， 得到所述行人融合 特征。 6.根据权利要求1所述的行人重识别方法， 其特征在于， 利用特征嵌入 网络对所述目标 彩色行人图像进行 特征提取前， 所述方法还 包括： 获取训练数据集， 所述训练数据集中的每组训练数据包括彩色行人训练图像和所述彩 色行人训练图像对应的灰度行 人训练图像； 利用所述特征嵌入网络对所述彩色行人训练图像和所述灰度行人训练图像进行特征 提取， 得到彩色全局特 征、 灰度全局特 征和行人局部特 征；权　利　要　求　书 1/2 页 2 CN 114943937 A 2根据所述彩色全局特 征、 所述灰度全局特 征和所述行 人局部特 征构建目标函数； 基于所述目标函数， 对所述特征嵌入网络的参数进行迭代更新， 当满足迭代终止条件 时， 完成对所述特 征嵌入网络的训练； 其中， 所述目标函数是由图像分类损失函数和图像识别损失函数组成的联合损失函 数。 7.根据权利要求1所述的行人重识别方法， 其特征在于， 所述根据所述行人融合特征， 从预设行 人图像库中确定目标 行人， 包括： 计算所述行 人融合特 征与所述预设行 人图像库中行 人图像的融合特 征的相似度； 根据所述相似度确定所述预设行 人图像库中的目标 行人。 8.一种行 人重识别装置， 其特 征在于， 包括： 待识别图像获取模块， 用于获取目标彩色行人图像和所述目标彩色行人图像对应的灰 度行人图像； 第一特征提取模块， 用于利用特征嵌入网络对所述目标彩色行人图像进行特征提取， 得到彩色全局特 征和彩色局部特 征； 第二特征提取模块， 用于利用所述特征嵌入网络对所述灰度行人图像进行特征提取， 得到灰度全局特 征和灰度局部特 征； 多特征融合模块， 用于融合所述彩色全局特征、 所述彩色局部特征、 所述灰度全局特征 和所述灰度局部特 征， 得到行 人融合特 征； 目标行人识别模块， 用于根据所述行 人融合特 征， 从预设行 人图像库中确定目标 行人。 9.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序被 处理器执行时实现权利要求1 ‑7任一项所述方法。 10.一种电子设备， 其特 征在于， 包括： 处理器； 以及 存储器， 用于存 储所述处 理器的可 执行指令； 其中， 所述处理器配置为经由执行所述可执行指令来执行权利要求1 ‑7任一项所述的 方法。权　利　要　求　书 2/2 页 3 CN 114943937 A 3