一种无监督的行人重识别方法、系统、装置及存储介质

技术特征：
1.一种无监督的行人重识别方法，其特征在于，包括以下步骤：从imagenet数据集中获取第一行人数据，所述第一行人数据包括多张第一行人图片和对应的第一图片信息，所述第一图片信息包括对应的所述第一行人图片的拍摄设备信息；根据所述第一行人图片进行特征提取，生成第一行人特征；根据所述第一图片信息对所述第一行人特征进行分组，生成第一特征组；根据所述第一特征组初始化第一记忆字典；根据所述第一记忆字典调整所述第一行人特征的特征间距，生成第二行人特征；根据所述第二行人特征初始化第二记忆字典；根据所述第一记忆字典和所述第二记忆字典构建联合记忆学习模型；根据所述联合记忆学习模型和第二行人数据进行网络训练，得到行人重识别网络，所述第二行人数据为输入的训练集数据；采用所述行人重识别网络对待识别的行人数据进行识别，得到行人识别结果。2.根据权利要求1所述的一种无监督的行人重识别方法，其特征在于，所述根据所述第一行人图片进行特征提取，生成第一行人特征，包括：根据行人检测算法对所述第一行人图片进行行人检测，生成行人标定框；通过所述行人标定框切割所述第一行人图片，生成第二行人图片；通过特征提取网络对所述第二行人图片进行特征提取，生成所述第一行人特征。3.根据权利要求1所述的一种无监督的行人重识别方法，其特征在于，所述根据所述第一特征组初始化第一记忆字典，包括：对每个所述第一特征组内的所述第一行人特征进行聚类，生成第一特征类，所述第一特征类中包括第三行人特征，所述第三行人特征包括所述第一行人特征和对应的伪标签；对每个所述第一特征类内的所述第三行人特征取平均，生成第四行人特征，所述第四行人特征为所述第一特征类的特征表示；根据所述第四行人特征构建所述第一记忆字典。4.根据权利要求3所述的一种无监督的行人重识别方法，其特征在于，所述根据所述第一记忆字典调整所述第一行人特征的特征间距，生成第二行人特征，包括：对所述第一行人特征与所述第四行人特征进行相似度计算，得到第一相似度；根据所述第一相似度生成相似度分布；根据所述相似度分布调整所述第一行人特征的特征间距，生成所述第二行人特征。5.根据权利要求4所述的一种无监督的行人重识别方法，其特征在于，所述根据所述第二行人特征初始化第二记忆字典，包括：对所述第二行人特征进行聚类，生成第二特征类，所述第二特征类中包括第五行人特征，所述第五行人特征包括所述第二行人特征和对应的伪标签；对每个所述第二特征类内的所述第五行人特征取平均，生成第六行人特征，所述第六行人特征为所述第二特征类的特征表示；根据所述第六行人特征构建所述第二记忆字典。6.根据权利要求5所述的一种无监督的行人重识别方法，其特征在于，所述第二行人数据包括多张第三行人图片和对应的第二图片信息，所述第二图片信息包括对应的所述第三行人图片的拍摄设备信息；
所述根据所述联合记忆学习模型和第二行人数据进行网络训练，得到行人重识别网络，包括：根据所述第三行人图片进行特征提取，生成第七行人特征；将所述第七行人特征分别与所述第四行人特征、所述第六行人特征进行相似度计算，得到第二相似度；根据所述第二相似度的最大值，从所述第四行人特征和所述第六行人特征获取第八行人特征；根据所述第四行人特征、所述第六行人特征、所述第七行人特征和所述第八行人特征进行损失计算，更新所述第一记忆字典和所述第二记忆字典，并返回根据所述第三行人图片进行特征提取，生成第七行人特征这一步骤。7.根据权利要求1所述的一种无监督的行人重识别方法，其特征在于，所述待识别的行人数据包括第四行人图片和对应的第三图片信息，所述第三图片信息包括对应的所述第三行人图片的拍摄设备信息，所述行人重识别网络识别后的行人特征保存在服务器中；所述采用所述行人重识别网络对待识别的行人数据进行识别，得到行人识别结果，包括：从所述待识别的行人数据中提取第九行人特征；对所述第九行人特征与所述服务器中的行人特征进行相似度计算，得到第三相似度；从所述第三相似度中得到第四相似度，所述第四相似度为所述第三相似度中的最大值；判断所述第四相似度是否大于预设的阈值；若是，将所述第九行人特征与第一行人标签匹配，生成所述行人识别结果并显示，所述第一行人标签为与第十行人特征对应的行人标签，所述第十行人特征为所述服务器中与所述第九行人特征相似度最高的行人特征；若否，将所述第九行人特征与第二行人标签匹配，生成所述行人识别结果并显示，所述第二行人标签为新设置行人标签。8.一种无监督的行人重识别系统，其特征在于，包括：行人数据获取模块，用于从imagenet数据集中获取第一行人数据，所述第一行人数据包括多张第一行人图片和对应的第一图片信息；特征提取模块，用于根据所述第一行人图片进行特征提取，生成第一行人特征；特征分组模块，用于根据所述第一图片信息对所述第一行人特征进行分组，生成第一特征组；第一记忆字典初始化模块，用于根据所述第一特征组初始化第一记忆字典；特征间距调整模块，用于根据所述第一记忆字典调整所述第一行人特征的特征间距，生成第二行人特征；第二记忆字典初始化模块，用于根据所述第二行人特征初始化第二记忆字典；模型构建模块，用于根据所述第一记忆字典和所述第二记忆字典构建联合记忆学习模型；网络训练模块，用于根据所述联合记忆学习模型和第二行人数据进行网络训练，得到行人重识别网络，所述第二行人数据为输入的训练集数据；
行人识别模块，用于采用所述行人重识别网络对待识别的行人数据进行识别，得到行人识别结果。9.一种无监督的行人重识别装置，其特征在于，包括：至少一个处理器；至少一个存储器，用于存储至少一个程序；当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1-7中任一项所述的一种无监督的行人重识别方法。10.一种存储介质，其中存储有处理器可执行的程序，其特征在于：所述处理器可执行的程序在由处理器执行时用于实现如权利要求1-7中任一项所述的一种无监督的行人重识别方法。

技术总结
本发明公开了一种无监督的行人重识别方法、系统、装置及存储介质。无监督的行人重识别方法包括：从ImageNet数据集中获取第一行人数据；根据第一行人图片提取第一行人特征；根据第一图片信息对第一行人特征进行分组生成第一特征组；根据第一特征组初始化第一记忆字典；根据第一记忆字典调整第一行人特征的特征间距，生成第二行人特征；根据第二行人特征初始化第二记忆字典；根据第一记忆字典和第二记忆字典构建联合记忆学习模型；根据联合记忆学习模型和第二行人数据进行网络训练，得到行人重识别网络；采用行人重识别网络对待识别的行人数据进行识别，得到行人识别结果。本发明实现了高精度的、识别准确的无监督的行人重识别。别。别。


技术研发人员：陈弟虎 郑立锋
受保护的技术使用者：中山大学
技术研发日：2022.04.18
技术公布日：2022/7/29