【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
，更具体地说，涉及一种行人重识别方法、装置、设备及存储介质。
技术介绍
行人重识别是指检索非重叠视域下拍摄到的图像或视频中是否存在特定行人的技术，在行人重识别任务中，主要分为2步：1)行人特征的获取；2)度量学习。其中，行人特征表达和有鉴别力的特征的筛选直接决定目标行人能否被正确识别，它是行人重识别任务的重要环节。
技术实现思路
本专利技术的目的是提供一种行人重识别方法、装置、设备及存储介质，能够实现行人特征表达和有鉴别力的特征的有效筛选，进而提高识别准确率。为了实现上述目的，本专利技术提供如下技术方案：一种行人重识别方法，包括：获取提取待识别的行人图像得到的需输入至多分支的多个输入特征图；融合每个所述输入特征图得到相应的融合特征图，计算所述融合特征图中每个通道对应特征图的统计量，得到包含每个通道对应统计量的统计量向量，基于不同的包含全连接层的结构对所述统计量向量进行学习，得到分别与每个所述输入特征图...
【技术保护点】
1.一种行人重识别方法，其特征在于，包括：/n获取提取待识别的行人图像得到的需输入至多分支的多个输入特征图；/n融合每个所述输入特征图得到相应的融合特征图，计算所述融合特征图中每个通道对应特征图的统计量，得到包含每个通道对应统计量的统计量向量，基于不同的包含全连接层的结构对所述统计量向量进行学习，得到分别与每个所述输入特征图对应的重要性向量，并基于所述重要性向量确定每个所述输入特征图对应的权重向量；其中，任一输入特征图对应的权重向量包含该任一输入特征图中各通道的权重；/n将每个所述输入特征图及对应权重向量进行加权求和，得到对应的输出特征图，基于所述输出特征图得到待识别特征，...
【技术特征摘要】
1.一种行人重识别方法，其特征在于，包括：
获取提取待识别的行人图像得到的需输入至多分支的多个输入特征图；
融合每个所述输入特征图得到相应的融合特征图，计算所述融合特征图中每个通道对应特征图的统计量，得到包含每个通道对应统计量的统计量向量，基于不同的包含全连接层的结构对所述统计量向量进行学习，得到分别与每个所述输入特征图对应的重要性向量，并基于所述重要性向量确定每个所述输入特征图对应的权重向量；其中，任一输入特征图对应的权重向量包含该任一输入特征图中各通道的权重；
将每个所述输入特征图及对应权重向量进行加权求和，得到对应的输出特征图，基于所述输出特征图得到待识别特征，将所述待识别特征与数据库中各标准特征进行比对，并确定与所述待识别特征匹配的标准特征的行人为待识别的行人图像中包含的行人。
2.根据权利要求1所述的方法，其特征在于，基于所述重要性向量确定每个所述输入特征图对应的权重向量，包括：
对每个所述重要性向量进行归一化，得到分别与每个所述输入特征图对应的第一权重向量；并且，将每个所述重要性向量中相同位置的元素组成对应的向量，得到相应的多个重组向量，对每个所述重组向量进行归一化，利用每个所述重组向量中每个元素的值替换所述重要性向量中相同元素的值，得到分别与每个所述输入特征图对应的第二权重向量；
将分别与每个所述输入特征图对应的所述第一权重向量及所述第二权重向量进行融合，得到分别与每个所述输入特征图对应的权重向量。
3.根据权利要求2所述的方法，其特征在于，将分别与每个所述输入特征图对应的所述第一权重向量及所述第二权重向量进行融合，包括：
按照下列公式将分别与每个所述输入特征图对应的所述第一权重向量及所述第二权重向量进行融合：
Wi＝αiPi+βiQi
其中，Pi为第i个输入特征图的第一权重向量，Qi为第i个输入特征图的第二权重向量，αi及βi均为可训练第i个输入特征图对应的超参数，Wi为第i个输入特征图的权重向量。
4.根据权利要求3所述的方法，其特征在于，对每个所述重要性向量及所述重组向量进行归一化，包括：
利用softmax函数对每个所述...
【专利技术属性】
技术研发人员：范宝余，王立，郭振华，赵雅倩，
申请(专利权)人：苏州浪潮智能科技有限公司，
类型：发明
国别省市：江苏;32
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。