一种闭环的端到端行人重识别背景抑制方法和系统

技术领域

本发明涉及计算机视觉的技术领域，尤其是闭环的端到端行人重识别背景抑制方法和系统。

背景技术

行人重识别的目的是在不重叠的相机视图中匹配相同的行人。随着监控摄像头的快速发展，大量的监控系统部署在公共场所。因此，行人重识别技术近年来受到越来越多的关注，可以在不相交的摄像机视角下捕捉特定目标，并成为视频监控应用中的关键技术。在过去的几年中，行人重识别通过深度学习技术获得了先进的性能。

由于行人姿态变换、视角变化、光照强度变化、背景干扰等因素的影响，行人重识别是一个具有挑战性的任务。背景干扰可以看作是影响行人重识别系统性能的主要因素之一。当两个人外观信息相似，背景信息又相似时，很容易出现错误识别的情况。

在不同视角下，光照、行人姿态、背景杂波都会影响行人重识别的性能，尤其是背景杂波。现有行人重识别的背景抑制算法主要是利用分割算法或者行人解析算法(例如：Mask R-CNN或者LIP_JPPNet)对原始图像进行预处理，将背景移除来获得前景图像。然而，分割算法或者行人解析算法均是在其对应数据集上进行训练的，将其训练好的应用在行人重识别图像上，由于领域偏置(domain shift)的问题，无法获得完美的前景图像，甚至可能会丢失一些重要线索(如背包或同伴)，会影响行人再识别的性能。分割算法是在COCO数据集上进行训练，而直接在re-ID数据集上进行测试，这样数据集之间存在数据之间的风格差异，无法完美很好的滤除背景中的杂波，并且会丢失一些关键的上下文线索。目前的行人重识别背景抑制算法都不是端到端的网络，都需要先利用分割算法对原始图像进行预处理，然后作为卷积神经网络的输入。然而这些分割算法获得前景图像不够理想，会降低行人重识别的性能。

发明内容

为了解决现有技术中利用分割算法或者行人解析算法滤除原始图像中的背景时存在的无法完美很好的滤除背景中的杂波，并且会丢失一些关键的上下文线索，降低行人重识别的性能等技术问题，本发明提出了一种闭环的端到端行人重识别背景抑制方法和系统，以解决上述技术问题。

根据本发明的第一方面，提出了一种闭环的端到端行人重识别背景抑制方法，包括：

S1：利用第一路网络中的残差卷积块提取输入的原始图像的特征，并通过第一损失函数L

S2：通过Mask r-CNN获得特征的人体掩膜利用掩膜预测损失函数L

S3：将人体掩膜和原始图像相乘，获得前景图像，将前景图像作为第二路网络的输入，并将第一路网络的残差卷积块的特征引入第二路网络，利用第二损失函数L

在一些具体的实施例中，第一路网络和第二路网络采用ResNet50作为主干网络。

在一些具体的实施例中，还包括第一路网络和第二路网络联合的损失函数L

在一些具体的实施例中，第一损失函数、第二损失函数以及第一路网络和第二路网络联合的损失函数均包括三元组损失函数和标签平滑正则化的交叉熵损失函数。

在一些具体的实施例中，三元组损失函数的公式为

在一些具体的实施例中，S3中将第一路网络的残差卷积块的特征引入第二路网络，具体表示为

根据本发明的第二方面，提出了一种计算机可读存储介质，其上存储有一或多个计算机程序，该一或多个计算机程序被计算机处理器执行时实施上述任一项的方法。

根据本发明的第三方面，提出了一种闭环的端到端行人重识别背景抑制系统，系统包括：

第一路网络模块：配置用于利用第一路网络中的残差卷积块提取输入的原始图像的特征，并通过第一损失函数L

掩膜预测模块：配置用于通过Mask r-CNN获得特征的人体掩膜利用掩膜预测损失函数L

第二路网络模块：配置用于将人体掩膜和原始图像相乘，获得前景图像，将前景图像作为第二路网络的输入，并将第一路网络的残差卷积块的特征引入第二路网络，利用第二损失函数L

在一些具体的实施例中，第一路网络和第二路网络采用ResNet50作为主干网络。

在一些具体的实施例中，还包括第一路网络和第二路网络联合的损失函数L

在一些具体的实施例中，第一损失函数、第二损失函数以及第一路网络和第二路网络联合的损失函数均包括三元组损失函数和标签平滑正则化的交叉熵损失函数；三元组损失函数的公式为

在一些具体的实施例中，将第一路网络的残差卷积块的特征引入第二路网络，具体表示为

本发明提出了一种闭环的端到端行人重识别背景抑制方法和系统，将行人分割模块嵌入到网络中，用来生成人体掩膜(body mask)，利用逐渐修正好的人体掩膜来获得完美的前景图像，来移除背景对行人重识别算法的干扰。第二路网络的行人重识别性能反馈给人体掩膜预测模块，来促进人体掩膜的掩膜的修正。与此同时，人体掩膜的修正又促进第二路网络进行背景杂波的抑制。本方法和系统在多个行人重识别的数据集上都取得具有竞争力的性能。

附图说明

包括附图以提供对实施例的进一步理解并且附图被并入本说明书中并且构成本说明书的一部分。附图图示了实施例并且与描述一起用于解释本发明的原理。将容易认识到其它实施例和实施例的很多预期优点，因为通过引用以下详细描述，它们变得被更好地理解。通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请的一个实施例的一种闭环的端到端行人重识别背景抑制方法的流程图；

图2是本申请的一个具体的实施例的一种闭环的端到端行人重识别背景抑制算法框架图；

图3是本申请的一个实施例的一种闭环的端到端行人重识别背景抑制系统的框架图；

图4是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

根据本申请的一个实施例的一种闭环的端到端行人重识别背景抑制方法，图1示出了根据本申请的实施例的一种闭环的端到端行人重识别背景抑制方法的流程图。如图1所示，该方法包括：

S101：利用第一路网络中的残差卷积块提取输入的原始图像的特征，并通过第一损失函数L

在具体的实施例中，三元组损失函数的公式为

在一些具体的实施例中，标签平滑正则化的交叉熵损失函数的公式为

S102：通过Mask r-CNN获得特征的人体掩膜利用掩膜预测损失函数L

S103：将人体掩膜和原始图像相乘，获得前景图像，将前景图像作为第二路网络的输入，并将第一路网络的残差卷积块的特征引入第二路网络，利用第二损失函数L

在具体的实施例中，第一路网络和第二路网络采用ResNet50作为主干网络。还包括第一路网络和第二路网络联合的损失函数L

在具体的实施例中，第二路网络中是以前景图像作为输入，它的行人重识别性能反馈给人体掩膜预测模块，以监督掩膜的修正，令掩膜的不断完善，反作用于第二路网络来提升行人重识别的性能；第一路网络向第二路网络提供特征信息，也能向第二路网络提供监督信息，以提升它的重识别性能。

在具体的实施例中，图2示出了根据本申请的一个具体的实施例的一种闭环的端到端行人重识别背景抑制算法框架图，如图2所示，整个框架包括一个两路的网络和一个人体掩膜预测模块，形成一个多任务的框架，包括行人重识别任务和人体掩膜预测任务，两个任务间互相促进，行人重识别算法促进人体掩膜逐渐修正准确，人体掩膜促进行人重识别逐渐进行背景杂波抑制。该算法的具体步骤包括：

步骤S1：采用ResNet50作为两路的行人重识别任务的主干网络，其网络结构图如图1所示。第一路网络使用原始图像作为输入，经过ResNet50的4个残差卷积块分别提取特征，然后使用三元组损失函数和标签平滑正则化的交叉熵损失函数进行约束，三元组损失函数和标签平滑正则化的交叉熵损失函数如下式所示：

其中P代表不同行人身份的数量，K

标签平滑正则化的交叉熵损失函数如下式所示：

其中ε∈[0,1]，K是行人的类别数，p(k)代表预测属于类别k的概率。

步骤S2：将原图经过第一路ResNet50中第一个残差卷积块获得的特征图送入人体掩膜预测模块，通过编码模块和解码模块预测人体掩膜，将Mask r-CNN获得的掩膜作为标签，在掩膜预测损失的约束下不断修正掩膜的准确度，掩膜预测损失如下所示：

其中B代表批处理大小，z

步骤S3：将人体掩膜预测模块得到的掩膜和原始图像相乘，得到前景图像作为第二路网络的输入，然后将第一路的网络每个残差卷积块的特征引入第二路网络，如下表达式所示：

其中

步骤S4：整个框架的损失函数包含第一路网络的损失函数，第二路网络的损失函数，第一路网络和第二路网络结合的损失函数，以及人体掩膜预测模块的损失函数，所有的损失函数相加在一起来一起约束整个算法。第二路的是以前景图像作为输入，它的行人重识别性能反馈给人体掩膜预测模块，来监督掩膜的修正，掩膜的不断完善，反作用于第二路网络来提升行人重识别的性能。第一路网络向第二路网络提供特征信息，也能向第二路网络提供监督信息，来提升它的重识别性能。整体损失函数表达式如下：L＝L

本发明提出了一个闭环的端到端行人重识别背景抑制算法，将行人分割模块嵌入到网络中，用来生成人体掩膜(body mask)，利用逐渐修正好的人体掩膜来获得完美的前景图像，来移除背景对行人重识别算法的干扰。第二路网络的行人重识别性能反馈给人体掩膜预测模块，来促进人体掩膜的掩膜的修正。与此同时，人体掩膜的修正又促进第二路网络进行背景杂波的抑制。本发明在多个行人重识别的数据集上都取得具有竞争力的性能。根据本申请发明人的实验，本发明在多个行人重识别数据上都取得具有竞争力的性能，在Market-1501上取得了95.2％的Rank-1,在DukeMTMC-reID上获得了88.7％的Rank-1。

继续参考图3，图3示出了根据本申请的实施例的一种闭环的端到端行人重识别背景抑制系统的框架图。该系统具体包括第一路网络模块301、掩膜预测模块302和第二路网络模块303。其中，第一路网络模块301配置用于利用第一路网络中的残差卷积块提取输入的原始图像的特征，并通过第一损失函数L

下面参考图4，其示出了适于用来实现本申请实施例的电子设备的计算机系统400的结构示意图。图4示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图4所示，计算机系统400包括中央处理单元(CPU)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储部分408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有系统400操作所需的各种程序和数据。CPU 401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O) 接口405也连接至总线404。

以下部件连接至I/O接口405：包括键盘、鼠标等的输入部分406；包括诸如液晶显示器(LCD)等以及扬声器等的输出部分407；包括硬盘等的存储部分408；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器410上，以便于从其上读出的计算机程序根据需要被安装入存储部分408。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读存储介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分409从网络上被下载和安装，和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元(CPU)401执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请的计算机可读存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读存储介质，该计算机可读存储介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、Sma l lta l k、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。

作为另一方面，本申请还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：利用第一路网络中的残差卷积块提取输入的原始图像的特征，并通过第一损失函数L

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。