一种基于对比学习的跨视角防护服特征匹配方法及系统与流程

本发明涉及图像识别，尤其涉及一种基于对比学习的跨视角防护服特征匹配方法及系统。

背景技术：

1、防护服作为特殊场景下的关键防护装备，其跨视角特征匹配是实现装备识别、核验与管理的核心技术环节。实际应用中需对防护服进行多视角图像采集，依托特征提取与匹配技术完成目标判定，对比学习范式为图像特征处理提供了基础技术路径，视角自适应编码、孪生编码器与注意力机制的结合应用，也为优化跨视角特征处理流程提供了技术方向，研发适配防护服的跨视角特征匹配方法，成为提升装备管理精准度的重要需求。

2、现有跨视角防护服特征匹配技术存在诸多缺陷，未将视角自适应编码与特征提取流程有效融合，无法对跨视角采集图像的畸变问题进行精准校正，导致提取的特征缺乏稳定性。未依据跨视角防护服图像关联关系构建专用样本对，特征空间映射优化效果缺失，孪生编码器与注意力机制未得到合理应用，特征增强处理效果不佳。匹配确认环节缺少严谨的校验逻辑，最终输出的跨视角特征匹配结果准确性低、可靠性差，无法满足防护服精准匹配的实际应用要求。

技术实现思路

1、本发明提供一种基于对比学习的跨视角防护服特征匹配方法及系统，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供的一种基于对比学习的跨视角防护服特征匹配方法，包括：

3、c1：对防护服进行跨视角采集处理，得到标准跨视角防护服图像，将所述标准跨视角防护服采集图像输入对比学习特征提取网络；

4、c2：将视角自适应编码嵌入对比学习特征提取网络，对所述标准跨视角防护服采集图像进行畸变校正与特征提取，得到所述防护服的自适应初始特征；

5、c3：基于所述跨视角防护服图像的关联关系，构建对比学习正负样本对，基于所述对比学习正负样本对，对所述对比学习特征提取网络进行空间映射优化，得到所述防护服的跨视角对齐特征；

6、c4：基于孪生编码器结合注意力机制，对所述跨视角对齐特征进行特征增强处理，得到所述防护服的增强匹配特征；

7、c5：对所述增强匹配特征进行匹配确认，输出所述防护服的跨视角特征匹配结果。

8、在一个优选的实施方式中，所述对防护服进行跨视角采集处理，得到标准跨视角防护服图像，将所述标准跨视角防护服采集图像输入对比学习特征提取网络，包括：

9、对多视角采集的防护服原始图像进行视角一致性筛选，剔除与目标采集视角不匹配的图像数据，得到所述防护服的防护服图像集合；

10、对所述防护服图像集合进行图像质量规整，得到所述防护服的标准跨视角防护服图像；

11、基于预设特征，对所述标准跨视角防护服图像进行格式适配，并将格式适配结果传输至对比学习特征提取网络的特征输入端口。

12、在一个优选的实施方式中，所述将视角自适应编码嵌入对比学习特征提取网络，对所述标准跨视角防护服采集图像进行畸变校正与特征提取，得到所述防护服的自适应初始特征，包括：

13、基于所述标准跨视角防护服图像中的视角畸变属性特征，构建视角畸变属性特征集合，对所述视角畸变属性特征集合进行定制化编码，得到所述防护服的视角自适应编码；

14、将所述视角自适应编码接入所述对比学习特征提取网络的特征预处理节点，完成所述视角自适应编码与所述对比学习特征提取网络的适配融合；

15、基于所述视角自适应编码，对所述标准跨视角防护服图像进行视角畸变识别，得到所述防护服的畸变特征定位结果；

16、根据所述畸变特征定位结果，对所述标准跨视角防护服图像进行畸变校正与特征抽取，得到所述防护服的自适应初始特征。

17、在一个优选的实施方式中，所述将视角自适应编码接入所述对比学习特征提取网络的特征预处理节点，完成所述视角自适应编码与所述对比学习特征提取网络的适配融合，包括：

18、定位所述对比学习特征提取网络的特征预处理节点，确定所述视角自适应编码的接入位置；

19、基于所述接入位置，对所述视角自适应编码与所述特征预处理节点进行数据通路连接，建立所述视角自适应编码与所述特征预处理节点的传输链路；

20、基于所述传输链路，对所述视角自适应编码与所述对比学习特征提取网络进行参数协同适配，完成所述视角自适应编码与所述对比学习特征提取网络的适配融合。

21、在一个优选的实施方式中，所述基于所述跨视角防护服图像的关联关系，构建对比学习正负样本对，基于所述对比学习正负样本对，对所述对比学习特征提取网络进行空间映射优化，得到所述防护服的跨视角对齐特征，包括：

22、基于所述跨视角防护服图像的视角关联属性，区分所述跨视角防护服图像中的同目标跨视角样本与异目标样本，构建所述跨视角防护服图像的对比学习正负样本对；

23、基于所述对比学习正负样本对，对所述对比学习特征提取网络进行特征映射定向约束，得到所述防护服的优化后特征映射流程；

24、基于所述优化后特征映射流程，对所述防护服的自适应初始特征执行定向特征映射处理，生成所述防护服的跨视角对齐特征。

25、在一个优选的实施方式中，所述基于所述对比学习正负样本对，对所述对比学习特征提取网络进行特征映射定向约束，得到所述防护服的优化后特征映射流程，包括：

26、基于所述对比学习正负样本对的特征关联参数集合，计算所述对比学习特征提取网络的特征映射约束损失；

27、基于所述特征映射约束损失，对所述对比学习特征提取网络的特征映射权重进行权重定向调校，基于权重定向调校对所述对比学习特征提取网络进行特征映射路径规整，得到所述防护服的优化后特征映射流程。

28、在一个优选的实施方式中，所述特征映射约束损失的计算公式为：

29、；

30、式中，表示所述防护服的特征映射约束损失，表示温度系数，表示所述防护服的目标防护服初始特征，表示所述防护服的同目标跨视角样本特征，表示所述防护服的异目标样本特征，表示所述防护服的跨视角样本关联权重，为余弦相似度函数，为以自然常数e为底的自然对数函数，为以自然常数e为底的指数函数。

31、在一个优选的实施方式中，所述基于孪生编码器结合注意力机制，对所述跨视角对齐特征进行特征增强处理，得到所述防护服的增强匹配特征，包括：

32、将所述跨视角对齐特征输入孪生编码器，通过所述孪生编码器的双分支结构对所述跨视角对齐特征进行同步特征解析，得到所述防护服的双分支同步解析特征；

33、提取所述跨视角对齐特征的表征维度与分布信息，基于防护服核心特征的表征规律构建适配双分支同步解析特征的注意力机制；

34、基于注意力机制，对所述双分支同步解析特征执行关键特征筛选，定位所述双分支同步解析特征中防护服的核心表征信息；

35、基于所述核心表征信息，对所述双分支同步解析特征进行特征权重提升整合，得到所述防护服的增强匹配特征。

36、在一个优选的实施方式中，所述对所述增强匹配特征进行匹配确认，输出所述防护服的跨视角特征匹配结果，包括：

37、对所述增强匹配特征进行双向特征匹配校验，并基于双向特征匹配校验结果判定特征匹配置信度；

38、基于所述特征匹配置信度对所述增强匹配特征进行有效筛选，得到所述防护服的目标匹配特征，基于所述目标匹配特征生成并输出所述防护服的跨视角特征匹配结果。

39、为了解决上述问题，本发明还提供一种基于对比学习的跨视角防护服特征匹配系统，所述系统包括跨视角采集模块、自适应特征提取模块、空间映射优化模块、特征增强处理模块及特征匹配确认模块，其中：

40、所述跨视角采集模块，用于对防护服进行跨视角采集处理，得到标准跨视角防护服图像，将所述标准跨视角防护服采集图像输入对比学习特征提取网络；

41、所述自适应特征提取模块，用于将视角自适应编码嵌入对比学习特征提取网络，对所述标准跨视角防护服采集图像进行畸变校正与特征提取，得到所述防护服的自适应初始特征；

42、所述空间映射优化模块，用于基于所述跨视角防护服图像的关联关系，构建对比学习正负样本对，基于所述对比学习正负样本对，对所述对比学习特征提取网络进行空间映射优化，得到所述防护服的跨视角对齐特征；

43、所述特征增强处理模块，用于基于孪生编码器结合注意力机制，对所述跨视角对齐特征进行特征增强处理，得到所述防护服的增强匹配特征；

44、所述特征匹配确认模块，用于对所述增强匹配特征进行匹配确认，输出所述防护服的跨视角特征匹配结果。

45、与现有技术相比，本发明具有以下有益效果：

46、1.本发明通过将视角自适应编码嵌入对比学习特征提取网络，可对标准跨视角防护服图像进行精准的畸变校正与特征提取，能够有效消除跨视角采集带来的图像畸变干扰，生成贴合防护服本体特征的自适应初始特征，保障初始特征的稳定性与完整性。依托跨视角防护服图像的关联关系构建对比学习正负样本对，可实现对对比学习特征提取网络的定向空间映射优化，让不同视角下的防护服特征完成统一对齐，形成表征能力更强的跨视角对齐特征，从源头提升特征的通用性与辨识度，为后续特征处理环节提供优质的基础数据，确保特征处理流程的连贯性与合理性。

47、2.本发明采用孪生编码器结合注意力机制完成跨视角对齐特征的增强处理，能够精准聚焦防护服的核心表征信息，强化关键特征的表达效果，生成辨识度更高的增强匹配特征，进一步提升特征的匹配价值。通过对增强匹配特征开展严谨的匹配确认操作，可输出准确可靠的跨视角特征匹配结果，大幅提升防护服跨视角特征匹配的精准度与可靠性。本发明的技术方案流程衔接紧密，各环节协同作用，能够适配各类场景下防护服的跨视角特征匹配需求，有效提升防护服识别与核验的效率，为防护服的规范化管理提供稳定的技术支撑，具备极强的实用价值与应用前景。