(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 202210611695.1 (22)申请日 2022.05.31 (71)申请人 深圳市优必选科技股份有限公司 地址 518000 广东省深圳市南 山区学苑大 道1001号南山智园C1栋16、 2 2楼 (72)发明人 王侃　庞建新　 (74)专利代理 机构 深圳中一联合知识产权代理 有限公司 4 4414 专利代理师 刘永康 (51)Int.Cl. G06V 40/10(2022.01) G06V 10/74(2022.01) G06V 10/77(2022.01) G06V 10/774(2022.01) (54)发明名称 行人重识别方法、 装置、 计算机可读存储介 质及终端设备 (57)摘要 本申请属于行人重识别技术领域， 尤其涉及 一种行人重识别方法、 装置、 计算机可读存储介 质及终端设备。 所述方法在模型训练过程中使用 的损失函数为预设的基于分布的三元组损失函 数； 所述基于分布的三元组损失函数约束负样本 特征距离的均值与正样本特征距离的均值的差 值大于预设的差值阈值； 所述正样 本特征距离为 基准图像特征和正样本图像特征之间的距离； 所 述负样本特征距离为基准图像特征和负样本图 像特征之间的距离。 通过本申请， 可以对正样本 特征距离的均值和负样本特征距离的均值施加 约束， 有效缓解了现有技术对于不同的三元组收 敛目标不统一的缺点， 训练所得模 型所提取特征 的判别性和鲁棒性更强， 从而提高了行人重识别 结果的准确率。 权利要求书2页 说明书10页 附图3页 CN 114937287 A 2022.08.23 CN 114937287 A 1.一种行 人重识别方法， 其特 征在于， 包括： 获取待处 理的行人重识别任务； 使用预设的行 人重识别模型对所述行 人重识别任务进行处 理， 得到行 人重识别结果； 其中， 所述行人重识别模型在模型训练过程中使用的损失函数为预设的基于分布的三 元组损失函数； 所述基于分布的三元组损失函数约束负样本特征距离的均值与正样本特征 距离的均值的差值大于预设的差值阈值； 所述正样本特征距离为基准图像特征和正样本图 像特征之间的距离； 所述负 样本特征距离为基准图像特 征和负样本图像特 征之间的距离 。 2.根据权利要求1所述的行人重识别方法， 其特征在于， 所述基于分布的三元组损失函 数还约束第一特征距离减小至正样本特征距离的均值， 第二特征距离增大至负样本特征距 离的均值； 所述第一特征距离为大于正样本特征距离的均值的正样本特征距离， 所述第二 特征距离为小于负 样本特征距离的均值的负 样本特征距离。 3.根据权利要求2所述的行人重识别方法， 其特征在于， 所述基于分布的三元组损失函 数包括宏观约束函数、 正样本微观约束函数和负 样本微观约束函数； 所述宏观约束函数用于约束负样本特征距离的均值与正样本特征距离的均值的差值 大于所述差值阈值； 所述正样本微观约束函数用于约束第一特 征距离减小至正样本特 征距离的均值； 所述负样本微观约束函数用于约束第二特 征距离增大至负 样本特征距离的均值。 4.根据权利要求3所述的行人重识别方法， 其特征在于， 所述基于分布的三元组损失函 数为： 其中， Lmacro为所述宏观约束函数， 为所述正样本微观约束函数， 为所述负样 本微观约束函数， λ为预设的权重系数， Ltriplet_distribution为所述基于分布的三元组损失函 数。 5.根据权利要求 4所述的行 人重识别方法， 其特 征在于， 所述宏观约束函数为： 其中， Nap为正样本特征对的数目， Nan为负样本特征对的数目， i和j为序 号下标， fa、 fp和 fn分别为基准图像特征、 正样本图像特征和负样本图像特征， D为求距离函数， α为差值阈 值， {*}+＝max{*， 0}， max为 求最大值函数。 6.根据权利要求 4所述的行 人重识别方法， 其特 征在于， 所述 正样本微观约束函数为： 其中， Nap为正样本特征对的数目， 为距离大于正样本特征距离的均值的正样本特 征对的数目， i和j为序号下标， fa、 fp和fn分别为基准图像特征、 正样 本图像特征和负样 本图 像特征， D为求距离函数， {*}+＝max{*， 0}， max为 求最大值函数。 7.根据权利要求 4所述的行 人重识别方法， 其特 征在于， 所述负 样本微观约束函数为：权　利　要　求　书 1/2 页 2 CN 114937287 A 2其中， Nan为负样本特征对的数目， 为距离小于负样本特征距离的均值的负样本特 征对的数目， i和j为序号下标， fa、 fp和fn分别为基准图像特征、 正样 本图像特征和负样 本图 像特征， D为求距离函数， {*}+＝max{*， 0}， max为 求最大值函数。 8.一种行 人重识别装置， 其特 征在于， 包括： 任务获取模块， 用于获取待处 理的行人重识别任务； 行人重识别模块， 用于使用预设的行人重识别模型对所述行人重识别任务进行处理， 得到行人重识别结果； 其中， 所述行人重识别模型在模型训练过程中使用的损失函数为预 设的基于分布的三元 组损失函数； 所述基于分布的三元组损失函数约束负样本特征距离的 均值与正样本特征距离的均值的差值大于预设的差值阈值； 所述正样本特征距离为基准图 像特征和正样本图像特征之 间的距离； 所述负样本特征距离为基准图像特征和负样本图像 特征之间的距离 。 9.一种计算机可读存储介质， 所述计算机可读存储介质存储有计算机程序， 其特征在 于， 所述计算机程序被处理器执行时实现如权利要求 1至7中任一项 所述的行人重识别方法 的步骤。 10.一种终端设备， 包括存储器、 处理器以及存储在所述存储器中并可在所述处理器上 运行的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求1至7 中任一项所述的行 人重识别方法的步骤。权　利　要　求　书 2/2 页 3 CN 114937287 A 3