基于成员递进关系的行人群组表征方法技术

本发明专利技术公开了一种基于成员递进关系的行人群组表征方法，该方法包括：获取行人图片并提取行人特征；对行人特征进行线性投影降维，得到行人特征的隐编码；对行人特征的隐编码引入群组表征向量并进行填补，得到填补后特征序列；将填补后特征序列中的群组表征向量结合个体表观信息，得到群组个体表征；将填补后特征序列中的群组表征向量结合个体间关联信息，得到群组关联表征；将群组个体表征和群组关联表征融合，得到多级群组表征。通过使用本发明专利技术，能够更好的表征群组的特征信息，从而提高行人重识别精度。本发明专利技术作为一种基于成员递进关系的行人群组表征方法，可广泛应用于计算机信息处理领域。理领域。理领域。

【技术实现步骤摘要】
基于成员递进关系的行人群组表征方法


[0001]本专利技术涉及计算机信息处理领域，尤其涉及基于成员递进关系的行人群组表征方法。

技术介绍

[0002]群体重识别技术，是指给定一张含有人群待查找的图片，从另一组图片中找到与待查找图片中人群重合率最高的图片，传统的方法有两个：一个是基于手工提取特征来进行图片匹配，还有一个是通过卷积神经网络和图神经网络的方法来建立群体特征。基于手工提取特征的方法存在不够稳定导致效果不佳，表征能力在大规模搜索上有限的问题，基于卷积神经网络和图神经网络的方法存在计算速度慢，网络模型收敛慢，效果欠佳且只能考虑到局部特征之间的关联性的问题。

技术实现思路

[0003]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成员递进关系的行人群组表征方法，能够更好的表征群组的特征信息，从而提高行人重识别精度。
[0004]本专利技术所采用的第一技术方案是：一种基于成员递进关系的行人群组表征方法，包括以下步骤：
[0005]获取行人图片并提取行人特征；
[0006]对行人特征进行线性投影降维，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于成员递进关系的行人群组表征方法，其特征在于，包括以下步骤：获取行人图片并提取行人特征；对行人特征进行线性投影降维，得到行人特征的隐编码；对行人特征的隐编码引入群组表征向量并进行填补，得到填补后特征序列；将填补后特征序列中的群组表征向量结合个体表观信息，得到群组个体表征；将填补后特征序列中的群组表征向量结合个体间关联信息，得到群组关联表征；将群组个体表征和群组关联表征融合，得到多级群组表征。2.根据权利要求1所述一种基于成员递进关系的行人群组表征方法，其特征在于，所述获取行人图片并提取行人特征这一步骤，其具体包括：获取群组中的行人图片并进行尺寸变换，得到统一大小的行人图片；将统一大小的行人图片输入至Resnet
‑
50网络，输出特征图；将特征图经过平均池化处理，得到行人特征。3.根据权利要求2所述一种基于成员递进关系的行人群组表征方法，其特征在于，所述对行人特征的隐编码引入群组表征向量并进行填补，得到填补后特征序列这一步骤，其具体包括：在行人特征的隐编码前添加群组表征向量，得到初步特征序列；基于填补特征将初步特征序列填补至预设长度，得到填补后特征序列；根据特征区间设置行人掩膜。4.根据权利要求3所述一种基于成员递进关系的行人群组表征方法，其特征在于，所述将填补后特征序列中的群组表征向量结合个体表观信息，得到群组个体表征这一步骤，其具体包括：将填补后特征序列经过三个多层感知机学习，得到对应特征Q1、特征K1和特征V1；计算每个特征与其他特征的相似度；将相似度进行softmax变换并结合特征V进行相乘处理，得到每个特征与其他特征的相似度较高的特征；循环感知机学习和相似度计算的步骤，直至达...

【专利技术属性】
技术研发人员：赖剑煌，邓括羽，谢晓华，
申请(专利权)人：中山大学，
类型：发明
国别省市：