【技术实现步骤摘要】
一种基于多方案并联关注机制的行人重识别方法及系统
[0001]本专利技术涉及计算机视觉中的行人图像处理领域,尤其涉及一种基于多方案并联关注机制的行人重识别方法及系统。
技术介绍
[0002]跨摄像头下的行人重识别是计算机视觉领域的一大研究热点。它是在非重叠视角域多摄像头网络下进行行人匹配,即确认不同位置的摄像头在不同时刻拍摄所得的行人目标是否为同一人。拍摄场景中的光线亮暗、摄像头机位的视角差异、行人自身的姿势变化等因素,会造成视觉模糊性,给行人重识别带来一大难点;与此同时,行人出现的时间和地点也是随机不定的,这种时空不确定性同样给行人重识别带来挑战。
[0003]当前主流的行人重识别技术可以分为表征学习和度量学习。假如数据集中存在两张图片是关于同一行人的不同图片,则它们被称为正样本对;假如存在两张图片是关于不同行人的,则它们是负样本对。基于度量学习的行人重识别方法是把重识别过程看作聚类问题,目标是直接将同一行人的若干图片映射到高维空间中,形成聚类效应。此类方法的本质是训练模型使得高维空间中的正样本对距离尽可能小、负样本对距离尽可能大。关注机制的使用能对图片行人的局部特征加以突出并加强,让系统忽略无关信息,只关注有用的信息。目前,学术界一些较为经典关注机制设计方法,均使得模型性能有所提升,但是这样单一方案的关注机制对局部特征的这种处理是不够全面和细粒度的。
技术实现思路
[0004]为了解决上述技术问题,本专利技术的目的是提供一种基于多方案并联关注机制的行人重识别方法及系统,解决现有使用关注机制 ...
【技术保护点】
【技术特征摘要】
1.一种基于多方案并联关注机制的行人重识别方法,其特征在于,包括以下步骤:将待识别的行人图片a和在库图片g分别输入到特征提取网络以及特征增强网络,提取得到对应的原始行人特征向量t
a
和t
g
;将原始行人特征向量t
a
和t
g
各自输入到全连接层,得出行人类别c
a
和c
g
;对行人类别c
a
和c
g
进行特征比对,求取欧氏距离,并与阈值进行比较,得到判断结果。2.根据权利要求1所述一种基于多方案并联关注机制的行人重识别方法,其特征在于,所述将待识别的行人图片a和在库图片g分别输入到特征提取网络以及特征增强网络,提取得到对应的原始行人特征向量t
a
和t
g
这一步骤之前,还包括对特征提取网络和特征增强网络进行训练,具体包括以下步骤:获取行人图片训练集和在库图片训练集;将行人图片训练集和在库图片训练集输入待训练的特征提取网络和待训练的特征增强网络,得到训练用的行人类别;将训练用的行人类别与行人图片训练集和在库图片训练集中的类别标签进行比较并计算欧氏距离损失函数;根据损失函数对待训练的特征提取网络和待训练的特征增强网络进行参数调整,训练完成,得到特征提取网络和特征增强网络。3.根据权利要求2所述一种基于多方案并联关注机制的行人重识别方法,其特征在于,所述特征提取网络包括4个综合卷积层。4.根据权利要求3所述一种基于多方案并联关注机制的行人重识别方法,其特征在于,所述欧氏距离损失函数的表达式如下:L=||c
a
‑
c
g
||2上式中,L表示欧氏距离损失函数,||
·
||2为求2
‑
范数运算。5.根据权利要求4所述一种基于多方案并联关注机制的行人重识别方法,其特征在于,所述将原始行人特征向量t
a
和t
g
各自输入到全连接层,得出行人类别c
a
和c
g
这一步骤,其计算公式...
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。