一种基于多尺度特征融合的行人重识别特征提取方法技术

本发明专利技术涉及行人重识别领域的特征提取，具体涉及一种基于多尺度特征融合的行人重识别特征提取方法。本发明专利技术的方法包括：以ResNet为backbone改进构建一个多尺度特征融合网络，其改进为将layer3层提取的特征作为共享特征，其后接两个分支，分别为Global分支和Part分支，Part分支通过将ResNet最后一层的stride由2降为1，Global分支使用原ResNet的layer4层的操作，再抽取layer3.1和layer4.1的特征图，通过分别将Part分支和Global分支与layer3.1和layer4.1的特征图进行融合，分别标记为layer3.1_p和layer4.1_g,将以上4个特征向量(layer4.4(Part)、layer4.4(Global)、layer3.1_p、layer4.1_g)均降维成512维的特征进行特征融合，组成2048维的特征进行相似性度量。该方法能够通过利用底层特征图，包含更多行人图像的微小细节信息，使提取的特征更易于区分相似行人，增强了所提取特征的鲁棒性。

【技术实现步骤摘要】
一种基于多尺度特征融合的行人重识别特征提取方法
本专利技术涉及计算机视觉技术和行人重识别领域。特别是涉及一种多尺度特征融合的行人特征提取方法。
技术介绍
利用高科技手段加强社会管理预防犯罪行为发生已成为共识。为此，各地政府都在公共场所关键点、交通路口、生活小区、停车场等安装了大量摄像头，加强对行人行为的观察及身份识别。摄像头每天产生巨量数据，对这些数据进行分析具有重要意义。但复杂场景下获取人脸、步态等生物特征特别困难，为此出现了行人重识别技术。不同于传统意义上的人脸图像识别技术，行人重识别(ReID)建立来自不同摄像头的同一行人图像间的对应关系。当前，行人重识别主要依靠人体外表视觉信息，但视频图像受光照、流明变化、行人姿态及拍摄视角度等因素影响，即使是同一行人，不同摄像头拍摄的身体外表图像也存在很大差异；同一行人，在不同时间由同一摄像头拍摄的图像同样也存在很大差异，因此，行人重识别面临巨大挑战，已成为当前视频识别领域的热点研究问题，在社会管理、突发事件重构、智能无人超市、人机交互等方面具有广阔应用前景。行人重识别对无重叠的多个摄像头拍摄本文档来自技高网...

【技术保护点】
1.一种基于多尺度特征融合的行人重识别特征提取方法，其特征在于实施步骤为：/n(1)对数据集进行预处理，预处理包括：旋转、ToTensor、遮挡、对比度、翻转、锐化增强、噪声、滤波、倾斜、图像色彩空间转换、图片叠加与融合、颜色抖动、gamma变换、图片混合；/n(2)构建多尺度特征融合网络；/n(3)分Batch向网络输入图像，在多尺度特征融合网络中提取特征、融合特征图和降维，前向传播输出预测值；根据预测值和真实值计算Softmax和Triplet损失并反向传播更新模型参数，迭代训练直到满足结束训练的条件。/n

【技术特征摘要】
1.一种基于多尺度特征融合的行人重识别特征提取方法，其特征在于实施步骤为：
(1)对数据集进行预处理，预处理包括：旋转、ToTensor、遮挡、对比度、翻转、锐化增强、噪声、滤波、倾斜、图像色彩空间转换、图片叠加与融合、颜色抖动、gamma变换、图片混合；
(2)构建多尺度特征融合网络；
(3)分Batch向网络输入图像，在多尺度特征融合网络中提取特征、融合特征图和降维，前向传播输出预测值；根据预测值和真实值计算Softmax和Triplet损失并反向传播更新模型参数，迭代训练直到满足结束训练的条件。


2.根据权利要求1所述的基于多尺度特征融合的行人重识别特征提取方法，其特征在于本方法对数据集和图像的预处理为：
(1)训练数据中图像的命名格式为行人ID_摄像头ID视频ID_视频帧数_检测框；
(2)数据集包括训练集、查询集和查询库；
(3)数据集进行resize，对图像进行处理包括：旋转、ToTensor、遮挡、对比度、翻转、锐化增强、噪声、滤波、倾斜、图像色彩空间转换、图片叠加与融合、颜色抖动、gamma变换、图片混合。


3.根据权利要求1所述的基于多尺度特征融合的行人重识别特征提取方法，其特征在于本方法在构建多尺度特征融合网络的设计为：
(1)以ResNet为backbone，在其基础上进行修改；
(2)将backbone的layer3层提取的特征作为共享特征，其后接两个分支，分别为Global分支...

【专利技术属性】
技术研发人员：王伟胜，黄蕾，颜志洋，
申请(专利权)人：湖南大学，
类型：发明
国别省市：湖南;43