【技术实现步骤摘要】
一种行人重识别方法、装置、设备及存储介质
本专利技术涉及计算机视觉领域，特别是涉及一种行人重识别方法、装置、设备及存储介质。
技术介绍
行人重识别(PersonReidentification，PersonRe-ID)是公共安防方面的一项重要的技术。在平常的生活中，主要用来寻找公园中走失的儿童，在公安办案中，主要用来追踪嫌疑人员。深度学习在近几年高速发展，尤其是卷积神经网络(CNN)的出现，给图像处理的领域带来了很大的推动力，慢慢地又出现了目标检测的深度学习算法，由R-CNN类型的图像检测算法作为代表，目标检测技术是行人重识别的基础性工作，它可以训练出行人检测模型，应用于行人重识别的工作上。由于技术的推进，行人重识别技术开始推进，现在的行人重识别有基于表征的，但是仅仅依靠人的表征不足以形成一个足够精确的模型，网络模型简单，模型的表达能力较差；还有基于局部特征的行人重识别算法，但是这类算法的前提是需要每一个人体部位都对齐，不然会出现头和上半身比较的情况，出现差错，而且还会有噪音的干扰，导致识别结果依旧不准确。最近，出现了利用姿态估计模型辅助提取出行人图片上感兴趣的区...
【技术保护点】
1.一种行人重识别方法，其特征在于，包括：将每帧行人图片输入到残差网络中提取特征；将从相邻的两帧行人图片提取出的特征输入到光流图预测网络中，获取一帧光流图；将输入所述光流图预测网络的前一帧行人图片的特征和所述光流图一起输入到特征融合器中进行融合，得到融合特征；将每一帧的所述融合特征和所述光流图一起输入到带有光流图处理机制的长短期记忆网络中，并将获得的多帧数据输出特征输入到均匀卷积分块模型中；通过所述均匀卷积分块模型将所述多帧数据输出特征进行水平分块处理，对每个分块进行分类损失训练，并将分类的得分作为权重；将每个分块的特征向量乘以所述权重求出对比损失函数，训练整个带有光流图处...
【技术特征摘要】
1.一种行人重识别方法，其特征在于，包括：将每帧行人图片输入到残差网络中提取特征；将从相邻的两帧行人图片提取出的特征输入到光流图预测网络中，获取一帧光流图；将输入所述光流图预测网络的前一帧行人图片的特征和所述光流图一起输入到特征融合器中进行融合，得到融合特征；将每一帧的所述融合特征和所述光流图一起输入到带有光流图处理机制的长短期记忆网络中，并将获得的多帧数据输出特征输入到均匀卷积分块模型中；通过所述均匀卷积分块模型将所述多帧数据输出特征进行水平分块处理，对每个分块进行分类损失训练，并将分类的得分作为权重；将每个分块的特征向量乘以所述权重求出对比损失函数，训练整个带有光流图处理机制的长短期记忆网络结合水平分块多损失联合的行人重识别非对称孪生网络模型；将目标行人图片输入到训练好的所述行人重识别非对称孪生网络模型中进行行人重识别。2.根据权利要求1所述的行人重识别方法，其特征在于，所述光流图预测网络采用漏斗模型，在所述光流图预测网络的前半部分利用卷积下采样，后半部分利用反卷积上采样。3.根据权利要求2所述的行人重识别方法，其特征在于，在所述光流图预测网络中，卷积层和反卷积层共有M个，前半部分排在第N位的卷积层与后半部分排在第M+1-N的反卷积层相对应且连接。4.根据权利要求3所述的行人重识别方法，其特征在于，在将从相邻的两帧行人图片提取出的特征输入到光流图预测网络中之前，还包括：从行人重识别数据集样本中提取出光流图样本；通过所述光流图样本单独训练所述光流图预测网络。5.根据权利要求1所述的行人重识别方法，其特征在于，将输入所述光流图预测网络的前一帧行人图片的特征和所述光流图一起输入到特征融合器中进行融合，具体包括：将输入所述光流图预测网络的前一帧行人图片的特征和所述光流图堆叠在一起并输入到特征融合器；采用大小为1×1的卷积核进行降维操作，同时进行通道上的融合操作。6.根据权利要求1所述的行人重识别方法，其特征在于，通过所述均匀卷积分块模型将所述多帧数据输出特征进行水平分块处理，具体...
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。