基于行人换衣的行人重识别方法、系统、介质及电子设备

本公开涉及人工智能，具体地，涉及一种基于行人换衣的行人重识别方法、系统、介质及电子设备。

背景技术：

1、行人换衣技术表示，给定一张行人图像和一张服装图像，通过算法将服装图像迁移至行人图像上。行人重识别技术表示，对给定的行人图像，获取其行人的身份信息，并检索出该行人在图库中的其他图像。

2、随着深度学习的发展，行人的换衣技术受到了学术界和工业界越来越多的重视，并在电商、游戏领域的应用也越来越广泛。

3、现有的换衣技术多基于对抗生成网络gan实现，且用于换衣的行人图像没有复杂的背景。现有的行人重识别技术集中于关注模型结构和损失函数的设计，且在训练换衣行人模型时将其视作和普通的识别任务一样，整体上仍采用一个身份识别的训练目标。此外，现有的行人识别方法往往直接基于公开数据集并简单地采用图像翻转、颜色变换的手段进行数据增强处理，受制于数据采集和标注的成本，在换衣行人识别的场景下，常见的公开数据集中一个行人的服装种类一般在3件以内，影响换衣行人识别的准确性，识别性能较低。

技术实现思路

1、针对现有技术中的缺陷，本公开的目的是提供一种基于行人换衣的行人重识别方法、系统、介质及电子设备。

2、为实现上述目的，根据本公开的一个方面，提供一种基于行人换衣的行人重识别方法，包括：

3、获取图像数据集，所述图像数据集中包括多张具有服装的行人图像；

4、将所述图像数据集中任意两张具有不同服装种类的行人图像输入预设的行人换衣模型中，确定换衣的行人图像；

5、采用所述图像数据集中的具有服装的行人图像和所述换衣的行人图像对预设的行人识别模型进行模型训练，确定换衣行人重识别模型；

6、将待识别行人图像输入所述换装行人识别模型中，确定所述待识别行人的身份信息。

7、可选地，所述任意两张具有不同服装种类的行人图像包括第一行人图像和第二行人图像。

8、可选地，所述将所述图像数据集中任意两张具有不同服装种类的行人图像输入预设的行人换衣模型中，确定换衣的行人图像，包括：

9、对所述第一行人图像和所述第二行人图像进行预处理，确定所述第一行人图像对应的第一背景分割图像、所述第一行人图像对应的第一行人姿态、所述第二行人图像对应的第二服装分割图像以及所述第二行人对应的第二服装姿态；

10、采用多层感知机分别对所述第一行人姿态和所述第二服装姿态进行编码处理，确定第一行人姿态编码和第二服装姿态编码；

11、将所述第一行人姿态编码和所述第二服装姿态编码进行交叉注意力运算处理，确定所述第一行人姿态编码和所述第二服装姿态编码之间的交叉注意力权重；

12、将所述第二服装姿态编码以及所述第一行人姿态编码和所述第二行人姿态编码之间的交叉注意力权重输入预设的服装形变扩散网络模型中，确定目标隐码；

13、根据所述目标隐码、所述第一背景分割图像以及所述第二服装分割图像，确定所述换衣的行人图像。

14、可选地，所述对所述第一行人图像和所述第二行人图像进行预处理，确定所述第一行人图像对应的第一背景图像、所述第一行人图像对应的第一行人姿态、所述第二行人图像对应的第二服装分割图像以及所述第二行人对应的第二服装姿态，包括：

15、对所述第一行人图像进行第一图像分割处理，确定所述第一行人图像对应的第一背景分割图像；

16、将所述第一行人图像输入预设的姿态识别网络中，确定所述第一行人图像对应的第一行人姿态；

17、对所述第二行人图像进行第二图像分割处理，确定所述第二行人图像对应的第二服装分割图像；

18、将所述第二行人图像输入所述预设的姿态识别网络中，确定所述第二行人图像对应的第二服装姿态。

19、可选地，所述第一图像分割处理和所述第二图像分割处理采用人体解析自纠错分割方法。

20、可选地，所述将所述第二服装分割图像以及所述第一行人姿态编码和所述第二行人姿态编码之间的交叉注意力权重输入预设的服装形变扩散网络模型中，确定目标隐码，包括：

21、根据所述第一行人姿态编码和所述第二行人姿态编码之间的交叉注意力对所述第二服装分割图像进行形变处理，生成与所述第一行人姿态编码匹配的形变后的第二服装在隐空间的目标隐码。

22、可选地，所述根据所述目标隐码、所述第一背景分割图像以及所述第二服装分割图像，确定换衣的第一行人图像，包括：

23、将所述目标隐码、所述第一背景分割图像以及所述第二服装分割图像输入预设的渲染扩散模型，确定换衣的第一行人图像。

24、根据本公开的第二方面，提供一种基于行人换衣的行人重识别系统，包括：

25、获取模块，用于获取图像数据集，所述图像数据集中包括多张具有服装的行人图像；

26、换衣模块，用于将所述图像数据集中任意两张具有不同服装种类的行人图像输入预设的换衣模型中，确定换衣的行人图像；

27、模型训练模块，用于采用所述图像数据集中的具有服装的行人图像和所述换衣的行人图像对预设的行人识别模型进行模型训练，确定换衣行人重识别模型；

28、识别模块，用于将待识别行人图像输入所述换装行人识别模型中，确定所述待识别行人的身份信息。

29、可选地，所述任意两张具有不同服装种类的行人图像包括第一行人图像和第二行人图像。

30、可选地，所述换衣模块包括：

31、图像预处理子模块，用于对所述第一行人图像和所述第二行人图像进行预处理，确定所述第一行人图像对应的第一背景分割图像、所述第一行人图像对应的第一行人姿态、所述第二行人图像对应的第二服装分割图像以及所述第二行人对应的第二服装姿态；

32、编码处理子模块，用于采用多层感知机分别对所述第一行人姿态和所述第二服装姿态进行编码处理，确定第一行人姿态编码和第二服装姿态编码；

33、交叉注意力运算处理子模块，用于将所述第一行人姿态编码和所述第二服装姿态编码进行交叉注意力运算处理，确定所述第一行人姿态编码和所述第二服装姿态编码之间的交叉注意力权重；

34、形变子模块，用于将所述第二服装姿态编码以及所述第一行人姿态编码和所述第二服装姿态编码之间的交叉注意力权重输入预设的服装形变扩散网络模型中，确定目标隐码；

35、换衣子模块，用于根据所述目标隐码、所述第一背景分割图像以及所述第二服装分割图像，确定所述换衣的行人图像。

36、根据本公开的第三方面，提供一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本公开第一方面提供的所述方法的步骤。

37、根据本公开的第四方面，提供一种电子设备，包括：

38、存储器，其上存储有计算机程序；

39、处理器，用于执行所述存储器中的所述计算机程序，以实现本公开第一方面提供的所述方法的步骤。

40、与现有技术相比，本公开实施例具有如下至少一种有益效果：

41、通过上述技术方案，本公开采用预设的行人换衣模型对图像数据集中的任意两张具有不同服装种类的行人图像中的行人进行换衣，获取具有不同服装种类的行人图像，能够在保留身份信息、背景信息的情况下，生成行人换衣图像，实现了在复杂背景的情况下的行人换衣，并且增加图像数据集中的数据量。采用图像数据集中的具有服装的行人图像和换衣的行人图像对预设的行人识别模型进行模型训练，提高所确定的换衣行人重识别模型对换衣行人的识别性能，有效助力跨时间段行人身份确定、罪犯追捕，助力智慧安防和智能社区的建设。

42、本公开的实施例，解耦行人换衣目标与行人识别目标，通过行人换衣增强数据，采用丰富行人识别目标的训练数据集的方式进行多目标优化，降低单独行人换衣目标优化对行人识别目标的影响。