【技术实现步骤摘要】
一种行人再识别的方法
本专利技术涉及图像识别
，特别涉及种行人再识别的方法。
技术介绍
行人再识别(reID)是计算机视觉中的一项基本任务，其目的是从非重叠的摄像机视图中确定图像或视频序列中是否存在特定的行人。在这个领域存在着很多挑战，例如，利用人工标记或检测算法得到的行人检测结果不够准确，随着行人姿态、视角和光照度的显著变化，行人图像的外观也发生了巨大的变化。另外，同一身份的行人在不同的镜头下拍摄时可能会显得非常不同，而具有相似颜色的衣服或相似体型的行人的身份也很难得到区分。行人再识别技术在公共安全和监控领域具有潜在应用价值，因此受到了学术界和工业界的广泛关注。近年来，深度学习的广泛应用使得行人再识别取得了显著的进步。现有的行人再识别方法大致可以分为度量学习和表征学习两大类。前者侧重于学习一个度量空间，该度量空间使正样本之间的距离接近，使负样本之间的距离尽可能远。后者侧重于学习某种不受光照、姿态、视角等因素影响的鲁棒性特征。全局特征学习是一种直接的行人表征方法，它从整个人的图像中提取判别性特征，目的是捕捉最显...
【技术保护点】
1.一种行人再识别的方法，其特征在于，包括如下步骤：/nS100:原始图像集的获取/n采集大量行人的RGB图像作为原始图像集，该原始图像集中包括多个行人的图像，且每个行人具有多张图像；/n给每张原始图像标上类别标签，其中同一行人的每张原始图像上标注相同的类别标签；/nS200:分析图像生成/n将S100采集的原始图像集中的每张原始图像对应的处理成灰度图像和低分辨率图像；/n所述每张原始图像，对应的处理成灰度图像和低分辨率图像构成该原始图像的分析图像；/nS300:模型构建/nS310:构建LRAN模型，所述LRAN模型包括三个并列的征提取器和一个分类器；/nS320:将原始...
【技术特征摘要】
1.一种行人再识别的方法，其特征在于，包括如下步骤：
S100:原始图像集的获取
采集大量行人的RGB图像作为原始图像集，该原始图像集中包括多个行人的图像，且每个行人具有多张图像；
给每张原始图像标上类别标签，其中同一行人的每张原始图像上标注相同的类别标签；
S200:分析图像生成
将S100采集的原始图像集中的每张原始图像对应的处理成灰度图像和低分辨率图像；
所述每张原始图像，对应的处理成灰度图像和低分辨率图像构成该原始图像的分析图像；
S300:模型构建
S310:构建LRAN模型，所述LRAN模型包括三个并列的征提取器和一个分类器；
S320:将原始图像集中的所有原始图像分成训练集和测试集；
S330:训练集中每个原始RGB图像均为一个训练样本，将每个训练样本的原始RGB图像，对应的灰度图像和低分辨率图像分别作为输入，分别输入到一个特征提取器中，然后对应的得到三个特征图，再通过平均全局池化层和拼接操作，将每个特征图对应的转化为一维向量，分别为fg、fo和fl，再将该三个一维向量拼接为一个联合特征向量ff；
S340:遍历训练集中的所有训练样本，利用联合特征向量ff和损失函数，更新特征提取器中的参数，得到优化的特征提取器，该优化的特征提取和分类器构成优化的LRAN模型；
S350:将测试集中的测试样本分别作为输入，依次输入到优化的LRAN模型中，优化的LRAN模型输出的测试样本属于某一类别的最大概率所对应的类别为该测试样本的预测类别；
S360：设置预测准确率阈值，当优化的LRAN模型对测试样本集中的所有测试样本的预测准确率不小于该预测准确率阈值时，则该优化LRAN模型即最终LRAN模型，并执行S400，否则执行S370；
S370：将原始图像集中的所有图像重新划分为训练集和测试集，并使用该新的训练集和测试集更新原来的训练集和测试集，返回S330；
S400:行人再识别
将两张行人图像分别经过S200的处理，得到每张行人图像的灰度图像和低分辨率图像，将行人一的原始RGB图像，对应的灰度图像和低分辨率图像输入最终LRAN模型得到行人一的特征ff1，再将行人二的原始RGB图像，对...
【专利技术属性】
技术研发人员：葛永新，谢佳宏，徐玲，洪明坚，杨梦宁，黄晟，王洪星，陈飞宇，张小洪，杨丹，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆;50
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。