(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 202210792619.5 (22)申请日 2022.07.05 (71)申请人 中国科学技术大学 地址 230026 安徽省合肥市包河区金寨路 96号 (72)发明人 查正军　刘嘉威　王堃宇　 (74)专利代理 机构 安徽省合肥新 安专利代理有 限责任公司 34101 专利代理师 陆丽莉　何梅生 (51)Int.Cl. G06V 20/52(2022.01) G06V 40/10(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/40(2022.01)G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) (54)发明名称 一种基于特征对齐的退化环境下的行人重 识别方法 (57)摘要 本发明公开了一种基于特征对齐的退化环 境下的行人重识别方法， 其步骤包括： 1、 构建一 个新的退化环 境下的行人重识别神经网络模型； 2、 运用模型对输入数据进行处理和计算； 3、 计算 模型的各个损失函数， 进而得到总损失函数； 4、 根据总损失函数对模型进行迭代优化。 本发明提 出的特征对齐模块是一种即插即用的模块， 可以 与现有行人重识别模型结合， 从而能提高该模型 在退化环 境下的性能， 还能保证模 型在干净环境 下的性能不受损失， 从而能同时实现在正常环境 和退化环 境下运行高效， 实现准确率高的行人重 识别。 权利要求书2页 说明书6页 附图2页 CN 115147774 A 2022.10.04 CN 115147774 A 1.一种基于特 征对齐的退化环境下的行 人重识别方法， 其特 征是按如下步骤进行： 步骤1、 获取正常环境下拍摄的行人图像数据集(X1， X2，…， Xi，…， XN)， 其中， Xi表示第i 张正常行人图像， N表示图像总数； 获取退化环境下拍摄的行人图像数据集(Y1， Y2，…， Yj，…， YM)， 其中， Yj表示第j张退化行 人图像， M表示图像总数； 步骤2、 构建基于特征对齐的退化环境下行人重识别的深度学习模型， 包括： 行人重识 别模型F、 两个特 征对齐模块Gc2d和Gd2c、 两个鉴别网络Dc和Dd； 步骤2.1、 所述行人重识别模型F是由骨干网络和分类网络组成， 所述骨干网络以 ResNet‑50网络为基础； 利用正常环 境下拍摄的行人图像数据集对 行人重识别模 型F进行预 训练， 得到预训练后的行 人重识别模型 并冻结预训练权 重； 步骤2.2、 所述特 征对齐模块Gc2d和Gd2c的网络结构均包括： M个残差卷积模块； 每个残差卷积模块依次由一个卷积层、 一个批量归一化层和一个激活函数RELU组成， 所述卷积层的卷积核的大小为k ×k， 步长为j； 且残差卷积模块的输入与自身的输出进 行拼 接后作为自身残差卷积模块 最终的输出； 步骤2.3、 所述 鉴别网络Dc和Dd的网络结构均包括： 特 征提取模块和分类模块； 所述特征提取模块的结构与所述骨干网络的结构相同并加载所述预训练权重作为自 身的网络参数； 所述分类模块依次由一个全局平均池化层、 两个全连接层、 一个批量归一化 层和一个激活函数leaky  RELU组成； 步骤3、 基于特 征对齐的退化环境下 行人重识别的深度学习模型的训练： 步骤3.1、 将所述第i张正常行人图像Xi和第j张退化行人图像Yj输入经过所述预训练的 行人重识别模型 的骨干网络中进行 特征提取， 得到对应的行 人特征 和 步骤3.2、 将行人特征 输入所述特征对齐模块Gc2d中进行处理， 并得到对齐后的行人 特征 将行人特征 输入特征对齐模块Gd2c中进行处 理， 并得到对齐后的行 人特征 将行人特征 和 输入所述鉴别网络Dc中进行处理， 并相应得到正常环境下的概率 和 将行人特征 和 输入所述鉴别网络Dd中进行处理， 并相应得到退化环境下的概率 和Dd； 利用式(1)和式(2)分别构建行 人图像Xi和Yj的对抗损失 和 式(1)和式(2)中， E表示期望； 步骤3.3、 将对齐后的行人特征 输入所述特征对齐模块Gd2c中进行处理， 并得到重建 的行人特征 将对齐后的行人特征 输入所述特征对齐模块Gc2d中进行处理， 并得到重 建的行人特征 权　利　要　求　书 1/2 页 2 CN 115147774 A 2利用式(3)和式(4)构建行 人图像Xi和Yj的循环一 致性损失 和 步骤3.4、 将行人特征 输入所述特征对齐模块Gd2c中进行处理， 并得到个体保持特征 将行人特征 输入所述特 征对齐模块Gc2d中进行处 理， 得到个 体保持特 征 利用式(5)和式(6)构建行 人图像Xi和Yj的个体保持损失 和 步骤3.5、 利用式(7)构建行 人图像Xi和Yj的退化残差一 致性损失Lres： 步骤3.6、 利用式(8)建立全局损失函数Ltotal： 式(8)中， λ1、 λ2、 λ3、 λ4分别为全局损失函数的4个超参数； 步骤3.7、 通过随机梯度下降法对两个特征对齐模块Gc2d和Gd2c以及两个鉴别网络Dc和Dd 进行优化求解， 并计算全局损失函 数Ltotal后进行梯度反向传播， 直到达到全局损失函 数L收 敛为止， 从而得到训练后的特 征对齐模块 和 以及鉴别网络 和 步骤4、 将训练好的特征对齐模块 连接在预训练的行人重识别 模型 的骨干网络和 分类网络之间， 从而得到最终的行 人重识别模型， 用于退化环境下的行 人图片的识别。 2.一种电子设备， 包括存储器以及处理器， 其特征在于， 所述存储器用于存储支持处理 器执行权利要求1所述方法的程序， 所述处理器被配置为用于执行所述存储器中存储的程 序。 3.一种计算机可读存储介质， 计算机可读存储介质上存储有计算机程序， 其特征在于， 所述计算机程序被处 理器运行时执 行权利要求1所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 115147774 A 3