一种基于多层神经网络的跨场景行人重识别的方法技术

本发明专利技术公开了一种基于多层神经网络的跨场景行人重识别的方法，其步骤如下：(1)采集当前场景下摄像头中的行人视频，截取视频帧；(2)对步骤1截取到的视频帧中的行人图像进行特征提取和降维处理，使用样本对构成目标域训练集Xt，得到测试集Xo；(3)对相关场景下的带标识数据进行处理，使用样本对构成源域训练集Xs；(4)建立训练集X，X＝[Xs,Xt]；(5)使用X来训练多层神经网络模型；(6)根据步骤5得到的模型在测试集Xo中对待识别样本进行识别。本发明专利技术选用具备可实现复杂非线性映射的多层神经网络作为学习模型，使用迁移学习思想将相关场景的带标识数据加入到新场景的模型学习中，使得对新场景的学习更准确有效。

A Cross-Scene Pedestrian Recognition Method Based on Multilayer Neural Network

The invention discloses a method of cross-scene pedestrian recognition based on multi-layer neural network, which comprises the following steps: (1) collecting pedestrian video in the camera in the current scene and intercepting video frames; (2) extracting features and dimensionality reduction of pedestrian images in the video frame intercepted in step 1, using samples to construct the target domain training set Xt, and obtaining the test set Xo; (3) correlating scenes. The identified data are processed and the source training set Xs is composed of samples; (4) the training set X, X=[Xs, Xt]; (5) the multi-layer neural network model is trained by X; (6) the identified samples are identified in the test set Xo according to the model obtained in step 5. The multi-layer neural network with complex non-linear mapping is selected as the learning model, and the labeled data of relevant scenes are added into the model learning of new scenes by using the transfer learning idea, so that the learning of new scenes is more accurate and effective.

【技术实现步骤摘要】
一种基于多层神经网络的跨场景行人重识别的方法
本专利技术涉及计算机视觉与模式识别领域，具体涉及一种基于多层神经网络的跨场景行人重识别的方法
技术介绍
随着大量摄像机在公共场所的普及，基于行人的图片和视频数据的应用也逐渐受到更加广泛的重视，其中一项重要的应用是行人重识别。行人重识别是指通过非重叠摄像机采集的多时间段行人视频数据查找关于同一行人的技术。在公共安全日益受到重视的今天，行人重识别越来越受到人们的关注。伴随行人重识别在各种新领域中的应用，在实际条件下一个很重要的技术问题是如何在一个新的场景中部署行人重识别系统。因为新场景中往往没有大量的已标记数据，而且标记数据非常耗时耗力，训练数据及其标识的匮乏影响了新场景中对行人重识别模型的建立，也容易造成目标的错误识别。解决此问题的一个有效方法是引入迁移学习的思想。根据迁移学习的思想，如果能使用相关场景(源域)的数据辅助训练当前场景(目标域)的数据，可以提升系统的性能。尽管这些相关领域的数据可能过时，或者与当前场景的数据分布是不一致的，但其包含的有价值信息却可以帮助当前场景的数据建立有效的识别系统。当前，越来越多的研究者尝试利用迁移学习的方本文档来自技高网...

【技术保护点】
1.一种基于多层神经网络的跨场景行人重识别的方法，其特征在于，包括以下步骤：步骤1.采集当前场景下摄像头中的行人视频，截取视频帧；步骤2.对步骤1截取到的视频帧中的行人图像进行特征提取和降维处理，得到当前场景下带标识的目标域训练数据

【技术特征摘要】
1.一种基于多层神经网络的跨场景行人重识别的方法，其特征在于，包括以下步骤：步骤1.采集当前场景下摄像头中的行人视频，截取视频帧；步骤2.对步骤1截取到的视频帧中的行人图像进行特征提取和降维处理，得到当前场景下带标识的目标域训练数据和不带标识的目标域测试集xti和xoi分别是目标域训练样本和目标域测试样本，yti是xti的标识，Nt和N0分别是目标域训练样本和测试样本的数量，根据样本的标识，将具有相同标识的训练样本组成正样本对，不同标识的训练样本组成负样本对，样本对构成目标域训练集Xt；步骤3.使用步骤2所述的特征提取和降维方法对相关场景下的带标识数据进行处理，根据样本的标识，将具有相同标识的训练样本组成正样本对，不同标识的训练样本组成负样本对，样本对构成源域训练集Xs，xsi是源域训练样本，ysi是xsi的标识，Ns是源域训练样本的数量；步骤4.建立训练集X，X＝[Xs,Xt]；步骤5.使用训练集X来训练多层神经网络模型；步骤6.根据步骤5得到的多层神经网络模型在目标域测试集Xo中对待行人重识别的样本z进行行人重识别；其中，上述步骤2所述的对步骤1截取到的视频帧中的行人图像进行特征提取和降维处理，其特征在于：首先将待提取特征的图像进行归一化处理，图像分块为像素大小，图像的每一小块在水平和垂直方向的区域块重叠率为50％；然后对于分块后的图像进行特征提取，主要提取RGB、YCbCr和HS颜色特征共8个颜色通道，建立16bin的直方图，以及提取HOG和LBP特征并建立直方图；对于每个行人图像共有75个分块，根据特征提取的内容，每个块中有484维的特征向量；再采用主成分分析方法对行人图像的高维特征进行降维处理；上述步骤5所述的使用训练集X来训练多层神经网络模型，其特征在于，所述多层神经网络由输入层、多个隐含层和输出层组成，其中第一层是输入层，第二层到第M层是隐含层，最后一层即第M+1层是输出层，层与层之间是全连接，前一层的任意一个神经元与后一层的任意一个神经元相连；所述建立使用训练集X来训练多层神经网络模型包含以下步骤：步骤5.1.初始化第1层到第M层的权重矩阵和偏置向量其中b(m)初始化为0向量，W(m)中的每个分量服从均匀分布，其中表示W(m)的第i行第j列个元素，当m＝1时，n的值等于神经网络第一层上的神经元数，当m＝2,...,M时，n的值等于神经网络第m-1层上的神经元数；步骤5.2.所述多层神经网络的第一层接受输入数据集，即训练集X；步骤5.3.每一次迭代，通过下式计算得...

【专利技术属性】
技术研发人员：顾晓清，倪彤光，王洪元，
申请(专利权)人：常州大学，
类型：发明
国别省市：江苏,32