(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 202210364236.8 (22)申请日 2022.04.07 (71)申请人 苗满田 地址 610071 四川省成 都市青羊区金沙 遗 址路8号 (72)发明人 苗满田　 (74)专利代理 机构 北京市浩 东律师事务所 11499 专利代理师 李雁 (51)Int.Cl. G06V 10/774(2022.01) G06V 10/762(2022.01) G06V 20/52(2022.01) G06V 40/10(2022.01) (54)发明名称 一种基于多重特征聚类的无监督行人重识 别方法 (57)摘要 本发明涉及一种基于多重特征聚类的无监 督行人重识别方法。 包括如下步骤： 1： 基于摄像 机标签对训练集进行划分， 基于身份损失在每个 摄像机内部训练特征提取模型， 得到针对不同摄 像机风格的特征提取模型； 2： 将每个样本分别馈 送到每个特征提取模型中， 针对每个样本， 将其 所有特征拼接， 使用拼接后的特征进行聚类并生 成伪标签； 3： 基于伪标签， 分两阶段对共享特征 提取模型进行优化， 以增加类内相似性并降低类 内方差。 本发 明设计的基于多重特征聚类的无监 督行人重识别方法旨在降低摄像机差异对聚类 结果的影响， 从而提升模型的识别精度。 权利要求书2页 说明书5页 附图3页 CN 114821226 A 2022.07.29 CN 114821226 A 1.一种基于多重特 征聚类的无监 督行人重识别方法， 其特 征在于： 包括如下步骤： 步骤1： 基于摄像机标签对训练集进行划分， 基于身份损失在每个摄像机 内部训练特征 提取模型， 得到针对不同摄 像机风格的特 征提取模型； 步骤2： 将每个样本分别馈送到每个特征提取模型中， 针对每个样本， 将其所有特征拼 接， 使用拼接后的特 征进行聚类并生成伪标签； 步骤3： 基于伪标签， 分两阶段对共享特征提取模型进行优化， 以增加类内相似性并降 低类内方差 。 2.根据权利要求1所述的基于多重特征聚类的无监督行人重识别方法， 其特征在于： 步 骤1具体包括以下步骤： 步骤1.1： 假设该训练集由N个摄像机拍摄， 则根据样本的摄像机标签对训练集进行划 分， 得到N个子集， 其中每个子集对应一个摄像机标签。 在划分后的数据子集内部进行数据 增强， 以增 加子集内部的类内多样性； 步骤1.2： 设计N+1个特征提取模型， 其中每个模型具有相同的初始权重， 且都使用 ImageNet上预训练的权 重； 步骤1.3： 为每个子集上分别分配一个专属的特征提取模型， 并将剩余的一个特征提取 模型作为共享模型。 在每个子集上基于身份损失分别对专属的特征提取模型进行优化， 优 化过程被定义 为： 其中xi为子集中的样本， yi为该样本对应的身份标签， n为一个minibatch中的样本数 量。 3.根据权利要求1所述的基于多重特征聚类的无监督行人重识别方法， 其特征在于： 步 骤2具体包括以下步骤： 步骤2.1： 将每个样本分别馈送到每个特征提取模型中， 为每个样本得到N+1个不同的 特征； 步骤2.2： 针对每个样本， 拼接N+1个特征， 将拼接后的特征作为样本的最终特征。 基于 每个样本的最终特 征计算该训练集中所有样本之间的距离： 其中fa,i和fb,i分别为样本xa和xb在第i个特征提取模型中得到的特征。 d( ·,·)为距离 计算公式， 本发明采用欧式距离 。 Dab为样本xa和xb的特征距离； 步骤2.3： 基于训练集中每 个样本之间的距离对样本进行聚类， 得到伪标签。 4.根据权利要求1所述的基于多重特征聚类的无监督行人重识别方法， 其特征在于： 步 骤3具体包括以下步骤： 步骤3.1： 基于伪标签， 计算每 个类的特征中心， 例如第p个 类的类中心被定义 为： 其中cp为第p个类的类中心， np为该类中的样本数量， fi为该类中的样本特征。 在身份标权　利　要　求　书 1/2 页 2 CN 114821226 A 2签级别对 共享的特 征提取模型进行优化， 以增 加类内相似性： 其中fp和cp分别为第p个 类的样本特 征和类中心， τ1为温度超参数； 步骤3.2： 基于伪标签， 计算每个类内具有相同相机标签的特征中心， 例如第p个类中摄 像机标签为q的摄 像机中心被定义 为： 其中cpq为第p个类中摄像机标签为q的摄像机中心， npq为该类中摄像机标签为q的样本 数量， fi为对应的样本特征。 在摄像机标签级别对共享的特征提取模型进行优化， 以降低类 内方差： fpq为第p个类中摄像机 标签为q的样本 特征。 cpj为第p个类中摄像机标签为j的摄像机 特 征中心。 ci为其他类中 的摄像机特征 中心， Nn为ci的总数。 nc第p个类中摄像机特征中心的总 数。 τ2为温度超参数。 不断重复步骤2和步骤3直至共享的特 征提取模型收敛。权　利　要　求　书 2/2 页 3 CN 114821226 A 3