【技术实现步骤摘要】
基于孪生语义自编码器和分支融合的行人重识别方法
本专利技术属于人工智能及计算机视觉
,具体的说是涉及一种基于孪生语义自编码器和分支融合的行人重识别方法。
技术介绍
行人重识别任务为当前计算机视觉
中应用较为广泛的一个图像识别任务,尤其在行人监控方面有着关键应用。另外,属性识别任务同样可应用于行人监控,通常作为行人重识别或者行人检测等任务的辅助任务。行人重识别的目的是从非重叠摄像画面中找到被查询的人,而属性识别的目的是预测图像中存在的属性,属性能够描述一个人的详细信息,包括性别、配饰、衣服长短颜色等,在行人重识别任务中使用属性信息作为辅助,可提高识别算法的鲁棒性,提升识别的准确率。此前的行人重识别方法,多采用ResNet等卷积神经网络作为骨干网络来进行特征提取。ZL2019105493455公开了一种基于姿态指导行人图像生成的孪生生成式对抗网络的行人重识别方法,该方法是利用可解释卷积神经网络通过实现对输入行人图像进行特征提取,利用注意机制对多种遮挡模式进行跨通道表示,进而提升行人检测性能,但是这种识别方式利用的卷积网络过于庞大,效率比较低,行人重识别网络模型的鲁棒性以及行人重识别的精度低,而且对于细节特征的指向性比较强,不容易聚焦全局信息,适用范围不够广。ZL2020100926087公开了一种融合行人属性的行人重识别的方法,将行人属性和行人识别分支的特征向量融合,而这里的行人属性为预测的,使用乘积的方式完成两个实行分支特征向量的融合,虽然这种识别方法的有一定的精度,但是预测值会存在 ...
【技术保护点】
1.一种基于孪生语义自编码器和分支融合的行人重识别方法,其特征在于:该行人重识别方法将卷积自编码器的编码器网络作为骨干网络,并对其进行分支构建以分支融合,构建一个完整的行人重识别网络,该行人重识别方法具体包括如下步骤:/nS1:收集行人图像,构建一个行人重识别数据集,数据增强处理后得到该数据集的一个孪生数据集;/nS2:利用S1中行人重识别数据集训练一个卷积自编码器;/nS3:利用S2卷积自编码器的编码器网络提取行人重识别数据集和其孪生数据集中所有图像的特征向量;/nS4:利用S3中提取的孪生特征向量,对一个孪生语义自编码器进行预训练,构建一个语义自编码分支网络,该分支网络的输出为语义属性特征向量;/nS5:将S2中卷积自编码器的编码器网络作为骨干网络,并对其进行分支构建以及多层次特征融合,构建一个完整的行人重识别网络;/nS6:将S1行人重识别训练数据集输入到S5中的行人重识别网络中,利用损失函数对网络进行迭代训练,最终得到一个基于孪生语义自编码器和分支融合的行人重识别网络模型;/nS7:将待识别行人图像和待查询行人图像集分别输入到S6中的行人重识别网络模型中,提取出所有图像的行人重 ...
【技术特征摘要】
1.一种基于孪生语义自编码器和分支融合的行人重识别方法,其特征在于:该行人重识别方法将卷积自编码器的编码器网络作为骨干网络,并对其进行分支构建以分支融合,构建一个完整的行人重识别网络,该行人重识别方法具体包括如下步骤:
S1:收集行人图像,构建一个行人重识别数据集,数据增强处理后得到该数据集的一个孪生数据集;
S2:利用S1中行人重识别数据集训练一个卷积自编码器;
S3:利用S2卷积自编码器的编码器网络提取行人重识别数据集和其孪生数据集中所有图像的特征向量;
S4:利用S3中提取的孪生特征向量,对一个孪生语义自编码器进行预训练,构建一个语义自编码分支网络,该分支网络的输出为语义属性特征向量;
S5:将S2中卷积自编码器的编码器网络作为骨干网络,并对其进行分支构建以及多层次特征融合,构建一个完整的行人重识别网络;
S6:将S1行人重识别训练数据集输入到S5中的行人重识别网络中,利用损失函数对网络进行迭代训练,最终得到一个基于孪生语义自编码器和分支融合的行人重识别网络模型;
S7:将待识别行人图像和待查询行人图像集分别输入到S6中的行人重识别网络模型中,提取出所有图像的行人重识别特征向量;
S8:分别逐一计算待识别行人图像的特征向量与所有待查询行人图像的特征向量之间的欧几里得相似度;
S9:按S8计算出的相似度得分排序得到行人重识别结果。
2.根据权利要求1所述基于孪生语义自编码器和分支融合的行人重识别方法,其特征在于:所述S5中的分支构建具体为:
S5-1:添加S4语义自编码分支网络,输出为语义属性特征向量;
S5-2:构建一个行人属性识别分支网络,输出为行人属性特征向量;
S5-3:构建一个行人重识别分支网络,输出为最终的行人重识别特征向量;
S5-4:在骨干网络上添加特征融合分支,输入为骨干网络每个卷积模块输出的不同尺度大小的行人特征向量,输出为经过特征融合后的行人特征向量,随后分别输入语义自编码分支网络、行人属性识别分支网络和行人重识别分支网络。
3.根据权利要求1所述基...
【专利技术属性】
技术研发人员:李群,张子屹,肖甫,徐鼎,周剑,
申请(专利权)人:南京邮电大学,
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。