(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 202210469672.1 (22)申请日 2022.04.30 (71)申请人 苏州浪潮智能科技有限公司 地址 215100 江苏省苏州市吴中经济开发 区郭巷街道官浦路1号9幢 (72)发明人 李仁刚　王立　郭振华　范宝余　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 吕鑫 (51)Int.Cl. G06V 40/10(2022.01) G06V 10/26(2022.01) G06V 10/764(2022.01) G06V 10/74(2022.01) G06V 10/82(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06K 9/62(2022.01) (54)发明名称 一种行人重识别方法、 系统、 设备及计算机 可读存储介质 (57)摘要 本申请公开了一种行人重识别方法、 系统、 设备及计算机可读存储介质， 获取无标签的第一 类行人图像； 为第一类行人图像制作标签信息； 基于第一类行人图像及标签信息对目标行人重 识别网络进行训练， 得到第一次训练的目标行人 重识别网络； 将第一类行人图像中的目标区域进 行丢弃， 得到第二类行人图像； 基于第一类行人 图像及第二类行人图像对第一次训练的目标行 人重识别网络进行训练， 得到第二次训练的目标 行人重识别网络。 本申请可以使得无标签的行人 图像中的行人信息也可以用于目标行人重识别 网络的训练， 提高了目标行人重识别网络的鲁棒 性提高目标行人重识别网络的训练效率， 进而提 高行人重识别方法的运行效率； 适用性更好。 权利要求书2页 说明书12页 附图5页 CN 114821651 A 2022.07.29 CN 114821651 A 1.一种行 人重识别方法， 其特 征在于， 包括： 获取无标签的第一类行 人图像； 为所述第一类行 人图像制作标签信息； 基于所述第 一类行人图像及所述标签信 息对目标行人重识别网络进行训练， 得到第 一 次训练的所述目标 行人重识别网络； 将所述第一类行 人图像中的目标区域进行丢弃， 得到第二类行 人图像； 基于所述第一类行人图像及所述第二类行人图像对第一次训练的所述目标行人重识 别网络进行训练， 得到第二次训练的所述 目标行人重识别网络， 以基于所述 目标行人重识 别网络进行 行人重识别。 2.根据权利要求1所述的方法， 其特征在于， 所述为所述第一类行人图像制作标签信 息， 包括： 确定所述第一类行 人图像中的身体部位分界线信息； 将所述身体部位分界线信息作为所述第一类行 人图像的所述标签信息 。 3.根据权利要求2所述的方法， 其特征在于， 所述确定所述第 一类行人图像中的身体部 位分界线信息， 包括： 基于模板匹配法确定所述第一类行 人图像中的所述身体部位分界线信息 。 4.根据权利要求3所述的方法， 其特征在于， 所述基于模板匹配法确定所述第 一类行人 图像中的所述身体部位分界线信息， 包括： 获取预设的人体部位模板； 确定所述第一类行 人图像中与所述人体部位模板对应的身体部位区域； 确定所述身体部位区域的边界坐标， 边界坐标包括身体部位区域的边界在第 一类行人 图像中的高度值； 将所述边界坐标与所述第一类行人图像的总高度的比值作为所述身体部位分界线信 息。 5.根据权利要求4所述的方法， 其特征在于， 所述人体部位模板包括头部模板、 躯干模 板、 下肢模板； 所述身体部位区域包括头部区域、 躯干区域、 下肢区域； 所述身体部位分 界线 信息包括所述头部区域的开始边界信息、 所述头部区域与所述躯干区域间的分界线信息、 所述躯干区域与所述下肢区域间的分界线信息、 所述下肢区域的结束边界信息 。 6.根据权利要求5所述的方法， 其特征在于， 所述确定所述第 一类行人图像中与所述人 体部位模板对应的身体部位区域， 包括： 从所述第一类行 人图像中切割出与所述人体部位模板同大小的临时图像； 计算每一个所述临时图像和所述人体部位模板的相似度值； 选取相似度值最大的所述临时图像作为所述第一类行人图像中与所述人体部位模板 对应的所述身体部位区域。 7.根据权利要求1至6任一项所述的方法， 其特征在于， 所述基于所述第一类行人图像 及所述标签信息对目标行人重识别网络进 行训练， 得到第一次训练的所述目标行人重识别 网络， 包括： 将所述目标 行人重识别网络与第一辅助网络进行 连接， 得到第一目标网络； 基于所述第 一类行人图像及所述标签信 息对所述第 一目标网络进行训练， 得到训练好权　利　要　求　书 1/2 页 2 CN 114821651 A 2的所述第一目标网络； 去掉所述第 一目标网络 中的所述第 一辅助网络， 得到第 一次训练的所述目标行人重识 别网络。 8.根据权利 要求7所述的方法， 其特征在于， 所述目标行人重识别网络包括ResNet50 网 络； 所述第一辅助网络包括与所述Resnet5 0网络的第七部分连接的全连接层。 9.根据权利要求1所述的方法， 其特征在于， 所述将所述第 一类行人图像中的目标区域 进行丢弃， 得到第二类行 人图像， 包括： 将所述第一类行 人图像划分为预设数量个 格子； 在所述格子中随机 选取目标 数量的格子作为所述目标区域进行丢弃； 将第一类行 人图像中所述目标区域的像素填充为0， 得到所述第二类行 人图像。 10.根据权利要求9所述的方法， 其特征在于， 所述基于所述第一类行人图像及所述第 二类行人图像对第一次训练的所述目标行人重识别网络进 行训练， 得到第二次训练的所述 目标行人重识别网络， 包括： 将第一次训练的所述目标行人重识别网络与第 二辅助网络进行连接， 得到第 二目标网 络； 基于所述第 一类行人图像及所述第 二类行人图像对所述第 二目标网络进行训练， 得到 训练好的所述第二目标网络； 去掉所述第 二目标网络 中的所述第 二辅助网络， 得到第 二次训练的所述目标行人重识 别网络。 11.根据权利 要求10所述的方法， 其特征在于， 所述目标行人重识别网络包括ResNet50 网络； 所述第二辅助网络包括与所述 Resnet50网络的第一部分及第四部 分连接的图像分割 网络。 12.一种行 人重识别系统， 其特 征在于， 包括： 第一获取模块， 用于获取 无标签的第一类行 人图像； 第一制作模块， 用于为所述第一类行 人图像制作标签信息； 第一训练模块， 用于基于所述第 一类行人图像及所述标签信 息对目标行人重识别网络 进行训练， 得到第一次训练的所述目标 行人重识别网络； 第二制作模块， 用于将所述第一类行人图像中的目标区域进行丢弃， 得到第二类行人 图像； 第二训练模块， 用于基于所述第 一类行人图像及所述第 二类行人图像对第 一次训练的 所述目标行人重识别网络进行训练， 得到第二次训练的所述 目标行人重识别网络， 以基于 所述目标 行人重识别网络进行 行人重识别。 13.一种行 人重识别设备， 其特 征在于， 包括： 存储器， 用于存 储计算机程序； 处理器， 用于执行所述计算机程序时实现如权利要求1至11任一项所述行人重识别方 法的步骤。 14.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质中存储有计算机 程序， 所述计算机程序被处理器执行时实现如权利要求1至11任一项所述行人重识别方法 的步骤。权　利　要　求　书 2/2 页 3 CN 114821651 A 3