(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 202211160065.3 (22)申请日 2022.09.22 (71)申请人 芜湖职业 技术学院 地址 241003 安徽省芜湖市文津西路201号 (72)发明人 单强达　曹玉娜　吕丹亚　李旭光　 武轶文　黄高益　 (74)专利代理 机构 北京风雅颂专利代理有限公 司 11403 专利代理师 方昊 (51)Int.Cl. G06V 40/10(2022.01) G06V 10/44(2022.01) G06V 10/82(2022.01) (54)发明名称 一种基于分区 随机擦除和ViT的商场行人再 识别方法 (57)摘要 本发明涉及智能视频分析技术领域， 尤其涉 及一种基于分区随机擦除和ViT的商场行人再识 别方法， 使用分区随机擦除策略进行训练， 提高 了模型对遮挡场景的适应能力； 引入Vision   Transform中的Encoder模 块构建网络主干， 提高 了网络提取出的特征的鲁棒性， 在一定程度上削 弱了遮挡带来的性能影响； 使用标准的Encoder 模块进行网络构建， 使得网络结构更加整齐精 简； 同时联合全局特征和局部特征进行训练， 使 得模型捕获到更加丰富的特征信息， 有效提升了 模型方法的准确度。 权利要求书2页 说明书5页 附图3页 CN 115497119 A 2022.12.20 CN 115497119 A 1.一种基于分区随机擦除和ViT的商场行 人再识别方法， 其特 征在于， 包括以下步骤： S1、 从商场行 人数据集中获取一个批次的图片； S2、 设置分区随机擦除操作中涉及的相关参数， 对每张图片执 行分区随机擦除操作； S3、 对执行擦除后的图像进行网格划分， 并将划分好的每 个子图展开 为一维向量； S4、 构建若干个与Vision  Transform结构一致的Encoder模块， 并将这些Encoder模块 进行串联， 对所有输入向量进行 特征提取与聚合； S5、 采用联合损失函数对提取 出的特征向量进行训练； S6、 获取行人视频， 对其进行逐帧划分， 对划分后的图像执行步骤S3和S4， 将生成的行 人身份特征向量与由商场行人数据集得到的特征向量进行比对， 根据匹配度确定行人身份 信息。 2.根据权利要求1所述的基于分区随机擦除和ViT的商场行人再识别方法， 其特征在 于， 分区随机擦除操作中涉及的相关参数包括图像执行擦除概率、 每个分区执行擦除的概 率阈值、 分区内擦除面积占比阈值、 擦除矩形区域的长 宽比阈值。 3.根据权利要求2所述的基于分区随机擦除和ViT的商场行人再识别方法， 其特征在 于， 步骤S2中分区随机擦除具体为： S21、 设定图像擦除概率Pout、 垂直分区数量Parts、 分区内执行擦除的概率阈值Pin、 分 区内矩形擦除块与分区面积的比例阈值max_proportion和min_proportion、 分区内矩形擦 除块的长宽比阈值max_aspect和min_aspect； 其中Pin是一个长度为Parts ‑1的概率阈值数 列； S22、 使用随机值生 成函数rand()生 成一个大小在0.0到1.0 之间的概率值， 如果此概率 值大于Pout， 执 行下一步操作， 否则擦除操作结束， 不执 行擦除； S23、 根据Parts计算每个分区的面积， 并使用随机函数rand()生成一个大小在max_ proportion和min_proportion之间的随机值， 由此计算出将要执行擦除的矩形块面积Ta， 计算过程符合如下公式： Ta＝rand(mi n_propor tion,max_propor tion)*(img.h *img.w/Par ts) 其中img.h和img.w分别表示图片的长和宽； S24、 根据指定的max_aspect和min_aspect计算矩形擦除块的长Hr和宽Wr， 计算公式如 下： ratio＝rand(mi n_aspect,max_aspect) Hr＝int(sqrt(Ta*rati o)) Wr＝int(sqrt(Ta/rati o)) S25、 判断擦除块的长和宽是否均小于分区的长和宽， 如果不满足则重新从步骤S23开 始执行， 分区的长为 img.h/Parts， 分区的宽和img.w保持一 致； S26、 使用随机函数rand()生 成一个在0.0到1.0之间的随机值t， 并结合Pin数列确定发 生擦除的分区， 将Pin数列中的值按顺序逐个与t进行大小比较， 直到t小于等于Pin[i]， 确 定发生擦除的分区为第i个分区； 其中Pi n[i]表示Pi n数列中的第i个元 素； S27、 根据擦除分区的位置和矩形擦除块进行擦除操作。 4.根据权利要求1所述的基于分区随机擦除和ViT的商场行人再识别方法， 其特征在 于， 步骤S3具体为：权　利　要　求　书 1/2 页 2 CN 115497119 A 2S31、 根据图片的尺寸H ×W将其划分为若干个尺寸为w ×h的子区域， 则子区域的个数为 n＝(H×W)/(h×w)； S32、 将所有子区域堆叠， 得到的数据维度为n ×3×w×h， 其中3为图像的通道数目， 随 后将每个子区域展开 为一维向量， 得到数据维度为 n×3wh。 5.根据权利要求4所述的基于分区随机擦除和ViT的商场行人再识别方法， 其特征在 于， 步骤S3中的特 征提取与聚合具体为： S41、 使用一个全连接层对步骤S32得到的数据向量进行线性变换， 并在此基础上增加 一条随机初始化的全局向量， 作为后续网络模型的数据输入； S42、 串联若干个 基于Visi on Transform的Encoder模块对输入数据进行 特征提取； S43、 将S42步骤得到的特征向量 中的第一条作 为最终的全局特征向量， 将步骤S42中倒 数第二个Encode模块生 成的特征向量的第一条剔除， 并将剩余的特征向量均匀划分为若干 部分， 并为每 个部分添加一条随机初始化的局部特 征向量； S44、 通过独立的单个Encoder模块， 分别对S43步骤中划分出的每个部分进行特征提 取， 每个部分生成一条最终的局部特 征向量。 6.根据权利要求5所述的基于分区随机擦除和ViT的商场行人再识别方法， 其特征在 于， 步骤S5具体为： S51、 采用联合损失函数对提取出的特征向量进行训练， 其中特征向量包括步骤S42中 得到的一条全局特 征向量和每 个部分对应局部特 征向量； S52、 联合损失包 含ID损失和TriHard损失， 计算过程符合如下公式： L＝α LID+β LTriHard,( α, β ∈[0.0,1.0]) 其中， L是整体的损失函数， LID是交叉熵损失函数,LTriHard是软边距三元组损失， P和K分 别表示一个训练批次中行人 的个数和 每个行人选取出的图片数量， N表示总行人个数， q表 示身份信息标签值， p表示身份信息预测 值， xa代表当前图片， P(a)和N(a)分别代表当前训 练批次中当前图片对应的正样本图片集和负样本图片集， Softplus(x)＝ln(1+exp(x))， d ()表示距离函数。权　利　要　求　书 2/2 页 3 CN 115497119 A 3