The invention discloses a pedestrian recognition method based on random erasure pedestrian alignment network, which includes the following steps: step 1, preprocessing the original image of data set by random erasure data enhancement algorithm, increasing occlusion, reducing the impact of over-fitting; step 2, sending the preprocessed image into the basic branch of the network; step 3, for the image with image dislocation phenomenon; In step 4, the aligned image enters the aligned branch for re-location and feature extraction; in step 5, pedestrian re-recognition is carried out in three large pedestrian re-recognition databases, and the results of re-recognition test are expressed by the values of Rank_1 and Map; the present invention improves the image dislocation phenomenon and reduces the influence of over-fitting, and is trained. The network can improve the recognition rate of pedestrians very well.
【技术实现步骤摘要】
一种基于随机擦除行人对齐网络的行人重识别方法
本专利技术涉及一种基于随机擦除行人对齐网络的行人重识别方法,属于计算机视觉
技术介绍
行人重识别是指在不同摄像图像中对行人进行识别,即给定一个监控行人图像,检索跨设备下的该行人图像。目前行人重识别的研究主要基于深度学习和非深度学习两大类。近几年的行人重识别方法主要致力于以下2个方面:第1个是对于特征的提取;第2个则是对光照、背景杂波、拍照角度和遮挡等问题的处理。解决这2个方面问题的方法有基于非深度学习方法(比如度量学习、迁移学习、稀疏表示等方法)和基于深度学习的方法,采用深度学习的方法主要是卷积神经网络(convolutionalneuralnetworks,CNN)、度量和损失。同时,为了增强模型的泛化性能,使用的方法有数据增强和正则化方法(如丢弃(dropout),批量标准化(batchnormalization,BN))。为了在匹配过程中减小图像匹配错位,提高特征提取的有效性,采用部分对齐的网络结构。该方法将人体分割成每1个小区域,计算每个区域上的特征表示,计算1对测试集和原始图像数据之间的相似度,然后 ...
【技术保护点】
1.一种基于随机擦除行人对齐网络的行人重识别方法,其特征在于:包括如下步骤:步骤1,对数据集中原始图片运用随机擦除数据增强算法预处理,增加遮挡,降低过拟合带来的影响;步骤2,将预处理后的图像送入网络的基础分支;步骤3,对有图像错位现象的图片进入仿射估计分支进行对齐处理;步骤4,对齐后的图像进入对齐分支进行重新定位和特征提取;步骤5,在三个大型行人重识别数据集Market‑1501、CUHK03和DukeMTMC‑reID中进行行人重识别,并用Rank‑1和Map的值来表示重识别测试的效果。
【技术特征摘要】
1.一种基于随机擦除行人对齐网络的行人重识别方法,其特征在于:包括如下步骤:步骤1,对数据集中原始图片运用随机擦除数据增强算法预处理,增加遮挡,降低过拟合带来的影响;步骤2,将预处理后的图像送入网络的基础分支;步骤3,对有图像错位现象的图片进入仿射估计分支进行对齐处理;步骤4,对齐后的图像进入对齐分支进行重新定位和特征提取;步骤5,在三个大型行人重识别数据集Market-1501、CUHK03和DukeMTMC-reID中进行行人重识别,并用Rank-1和Map的值来表示重识别测试的效果。2.根据权利要求1所述的一种基于随机擦除行人对齐网络的行人重识别方法,其特征在于:所述原始图像经随机擦除数据增强算法预处理:随机擦除是以一定的概率进行的,对于小批量的图像I,假设其进行随机擦除的概率是P,则图片不进行随机擦除...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。