(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 202210529845.4 (22)申请日 2022.05.16 (71)申请人 南京博雅 集智智能技术有限公司 地址 210000 江苏省南京市江宁经济技 术 开发区将军大道37号 (72)发明人 施远银　 (74)专利代理 机构 深圳市创富知识产权代理有 限公司 4 4367 专利代理师 潘霞 (51)Int.Cl. G06V 40/10(2022.01) G06V 10/74(2022.01) G06V 10/762(2022.01) G06V 10/764(2022.01) G06V 10/80(2022.01) (54)发明名称 一种基于监控场景下的跨场景多摄像头行 人重识别算法 (57)摘要 本发明公开了一种基于监控场景下的跨场 景多摄像头行人重识别算法， 包括以下步骤： 增 加数据规模 大小； 构造一个高效行人半自动化标 注工具； 构建训练网络， 采用残差网络作为主干 网络； 融合度量学习和分类学习， 添加度量损失 函数和分类损失函数； 添加开源 行人图片测试集 和实际场景测试图片测试集； 添加多模态训练图 片数据， 在图片训练处理过程中按照一定的比例 对数据进行迁移操作； 采用Adam优化器更新模型 的参数， 采用余弦学习率衰减， 10轮测试保存一 次最佳模型； 利用保存的模型对现场环境测试搜 索。 本发明可快速在应用场景下从视频中获取大 量行人分类图片， 弥补公开测试数据集对实际情 况的评估偏差， 更真实的反应模型实际应用性 能。 权利要求书2页 说明书5页 附图1页 CN 114973318 A 2022.08.30 CN 114973318 A 1.一种基于监控场景下的跨场景多摄像头行人重识别算法， 其特征在于： 包括以下步 骤： 步骤一： 增 加数据规模大小， 提升模型泛化能力； 步骤二： 标注现场测试评估数据， 通过构造一个 高效行人半自动化标注工具， 制作模型 评估数据； 步骤三： 构建训练网络， 采用残差网络作为主干网络， 通过多粒度头部网络 融合全局特 征和多粒度局部特 征； 步骤四： 融合度量学习和分类学习， 添加度量损失函数和分类损失函数,同时训练网 络； 步骤五： 添加开源行 人图片测试集和实际场景测试图片测试集； 步骤六： 添加多模态训练图片数据， 在图片训练处理过程中按照一定的比例对数据进 行迁移操作； 步骤七： 更新模型权重， 采用Adam优化器更新模型的参数， 采用余弦学习率衰减， 训练 60轮， 10轮测试保存一次最佳模型； 步骤八： 利用保存的模型对现场环境测试搜索。 2.根据权利要求1的一种基于监控场景下的跨场景多摄像头行人重识别算法， 其特征 在于： 步骤一数据规模大小增加方式具体为： 整合现有的行人跟踪数据集和行人重识别数 据集， 丰富训练图片， 并且利用大量的游戏人物数据增 加输入数据的多样性。 3.根据权利要求2的一种基于监控场景下的跨场景多摄像头行人重识别算法， 其特征 在于： 步骤二过程中， 行 人半自动化标注工具的构造流 程包括如下步骤： (1)根据现场环境选择具有多摄像头行人较多的街道， 保存 同一时间段多个相机的行 人视频， 利用行 人检测跟踪得到较为 准确行人图片； (2)通过reid模型提取 所有图片特 征； (3)对特征进行聚类重新得到分类id图片文件夹； (4)进行数据的人工清洗 。 4.根据权利要求3的一种基于监控场景下的跨场景多摄像头行人重识别算法， 其特征 在于： 多粒度头部网络包括三个分支， 接在 主干网络的后面， 对模型提取的特征进 行不同方 位的切片， 以获取不同部位的细节特 征， 用于整体特 征和局部特征融合拼接。 5.根据权利要求1～4任一的一种基于监控场景下的跨场景多摄像头行人重识别算法， 其特征在于： 分类损失函数circle  loss的表达式为： 其中， Sn表示类内相似度、 Sp表示类间相似度， K， L分别表示K个类内相似度和L个类间 相似度， αn和 αp是独立的权 重因子， γ是缩放因子； 度量损失函数t riplet loss的表达式为： ltri＝max(||xa‑xp||‑||xa‑xn||+α， 0) 其中， a为 一个常量， Xa， Xp， Xn分别表示 三张图片特 征向量的数值。 6.根据权利要求5的一种基于监控场景下的跨场景多摄像头行人重识别算法， 其特征权　利　要　求　书 1/2 页 2 CN 114973318 A 2在于： 多模态训练图片包括： 红外迁移图片， 光照迁移图片， 特定场景背 景光迁移图片， 不同 分辨率图片。 7.根据权利要求6的一种基于监控场景下的跨场景多摄像头行人重识别算法， 其特征 在于： 步骤八过程中， 现场环境测试搜索的具体方式为： 首先提取所有待搜索的行人图片， 部署特征向量相似性搜索引擎milvus运行环境， 将特征向量插入到milvus数据库中， 修改 相关参数， 快速 搜索待查询图片在底库中前10 0名图片的正确率。权　利　要　求　书 2/2 页 3 CN 114973318 A 3