(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 202210505225.7 (22)申请日 2022.05.10 (71)申请人 平安科技 （深圳） 有限公司 地址 518000 广东省深圳市福田区福田街 道福安社区益田路5033号平 安金融中 心23楼 (72)发明人 司世景　王健宗　 (74)专利代理 机构 深圳众鼎专利商标代理事务 所(普通合伙) 44325 专利代理师 姚章国 (51)Int.Cl. G06V 40/10(2022.01) G06V 10/40(2022.01) G06V 10/774(2022.01) G06V 10/762(2022.01)G06V 10/82(2022.01) G06N 3/08(2006.01) G06N 3/04(2006.01) G06K 9/62(2022.01) (54)发明名称 无监督行人重识别方法、 装置、 计算机设备 及存储介质 (57)摘要 本申请提供了一种无监督行人重识别方法、 装置、 计算机设备及存储介质， 涉及人工智 能技 术领域， 用于解决现有的行人重识别方案推荐存 在适用范围较小的问题。 方法部分包括： 利用无 标签训练样本对预设无监督行人重识别模型进 行训练得到目标编码器， 通过目标编码器对目标 行人图像进行特征提取， 获得目标行人图像对应 的目标特征， 然后基于该特征在预设查询样例中 进行特征匹配， 从而检索出目标图像， 获得无监 督行人重识别的识别结果， 实现了无标签、 无监 督的模型训练， 扩大了适用范围。 权利要求书2页 说明书8页 附图3页 CN 114821656 A 2022.07.29 CN 114821656 A 1.一种无监 督行人重识别方法， 其特 征在于， 所述无监 督行人重识别方法包括： 通过目标编码器对目标行人图像进行特征提取， 得到所述目标行人图像对应的目标特 征； 其中， 所述目标编码器是利用无标签训练样本对预设无监督行人重识别模型进行训练 得到的； 所述预设无监督行人重识别模型包括预设生成对抗网络模型和预设对比表征模 型； 所述无 标签训练样本中包 含至少一个图像样本； 基于所述目标特征， 从预设查询样例中检索出目标图像， 并将所述目标图像作为无监 督行人重识别的识别结果。 2.如权利要求1所述的无监督行人重识别方法， 其特征在于， 在所述通过目标编码器对 目标行人图像进行 特征提取， 得到所述目标 行人图像对应的目标 特征的步骤之前， 还 包括： 利用所述无标签训练样本对所述预设生成对抗网络模型进行训练， 得到相似样本集 合； 所述相似样本集 合包括至少一个相似样本， 且所述相似样本与所述图像样本一 一对应； 以所述图像样本及与 所述图像样本对应的相似样本作为正样本对， 对所述预设对比表 征模型进行训练直至所述预设对比表征模型收敛， 得到所述目标编码器。 3.如权利要求2所述的无监督行人重识别方法， 其特征在于， 所述利用所述无标签训练 样本对所述预设生成对抗网络模型进行训练， 得到相似样本集 合， 包括： 基于所述预设生成对抗网络模型和预设的二维姿态图集合， 生成每个所述图像样本对 应的相似样本； 所述相似样本是指与所述图像样本中的二维姿态相同或不同的样本； 根据所述相似样本， 组合得到所述相似样本集 合。 4.如权利要求3所述的无监督行人重识别方法， 其特征在于， 所述基于所述预设生成对 抗网络模型和预设的二维姿态图集 合， 生成每 个所述图像样本对应的相似样本， 包括： 每将一个所述图像样本输入至所述预设生成对抗网络模型时， 从所述二维姿态图集合 中随机选取一个二维姿态图； 其中， 不同的所述 二维姿态图包括 不同视角的姿态特 征； 基于所述预设生成对抗网络模型和所述姿态特征， 生成每个所述图像样本对应的相似 样本。 5.如权利要求2所述的无监督行人重识别方法， 其特征在于， 所述以所述图像样本及与 所述图像样本对应的相似样本作为正样本对， 对所述预设对比表征模型进 行训练直至所述 预设对比表征模型收敛， 得到所述目标编码器， 包括： 基于所述正样本对中 图像样本与相似样本的相似度， 计算得到所述预设对比表征模型 的损失函数； 当所述损 失函数达到预设误差阈值时， 所述预设对比表征模型收敛， 得到训练好的对 比表征模型； 将所述训练好的对比表征模型中的编码器作为所述目标编码器。 6.如权利要求1所述的无监督行人重识别方法， 其特征在于， 所述通过目标编码器对目 标行人图像进行 特征提取， 得到所述目标 行人图像对应的目标 特征， 包括： 利用所述目标编码器对所述目标行人图像进行编码， 得到所述目标行人图相对应的特 征向量； 将所述特 征向量作为所述目标 特征。 7.如权利要求1所述的无监督行人重识别方法， 其特征在于， 所述预设查询 样例中包含 至少一个图像样例；权　利　要　求　书 1/2 页 2 CN 114821656 A 2所述基于所述目标 特征， 从预设查询样例中检索出目标图像， 包括： 计算所述目标 特征与每个所述图像样例对应的特 征之间的距离值； 基于所述距离值， 从所述预设查询样例中筛选出与所述目标行人图像相似度高的前k 幅图像作为所述目标图像； 其中， k表示预设阈值， k取等于或大于1的整数。 8.一种无监 督行人重识别装置， 其特 征在于， 所述无监 督行人重识别装置包括： 特征提取模块： 用于通过目标编码器对目标行人图像进行特征提取， 得到所述目标行 人图像对应的目标特征； 其中， 所述 目标编码器是利用无标签训练样本对预设无监督行人 重识别模型进 行训练得到的； 所述预设无监督行人重识别模型包括预设生成对抗网络模型 和预设对比表征模型； 所述无 标签训练样本中包 含至少一个图像样本； 识别模块： 用于基于所述目标特征， 从预设查询样例中检索出目标图像， 并将所述目标 图像作为无监 督行人重识别的识别结果。 9.一种计算机设备， 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 上运行的计算机可读指令， 其特征在于， 所述计算机可读指令被处理器执行时以实现权利 要求1‑7任意一项所述的无监 督行人重识别方法。 10.一个或多个可读存储介质， 所述可读存储介质存储有计算机可读指令， 其特征在 于， 所述计算机可读指令被处理器执行时实现如权利要求1 ‑7任意一项所述的无监督行人 重识别方法。权　利　要　求　书 2/2 页 3 CN 114821656 A 3