一种行人重识别方法技术

本发明专利技术公开了一种行人重识别方法，所述方法包括以下步骤：将待识别行人图像输入预先训练好的行人重识别模型，提取行人特征；将提取的行人特征与图库中各图像所对应的特征进行匹配，输出识别结果；所述行人重识别模型基于非对称分支网络构建，所述非对称分支网络包括1个主干网络、1个全局分支网络和1个非对称的局部分支网络。本发明专利技术基于非对称分支网络构建行人重识别模型，提高了提取特征的多样性，提升了识别精度。升了识别精度。升了识别精度。

【技术实现步骤摘要】
一种行人重识别方法


[0001]本专利技术涉及一种行人重识别方法，属于计算机视觉


技术介绍

[0002]随着深度学习在图像处理以及计算机视觉领域的广泛应用，基于预训练的网络模型作为特征提取模块已经是解决问题的常见手段，近年来，许多行人重识别方面的工作表明，多分支网络是特征提取的有效策略，不同分支提取的特征可以相互补充，大幅度提升行人重识别性能。
[0003]但是，现有的关于多分支网络的使用方法，大多采用对称的网络结构，通过在分支网络之间施加显性约束，以保证提取的特征的多样性，导致行人重识别模型训练运算量较大，模型构建效率较低。

技术实现思路

[0004]本专利技术的目的在于克服现有技术中的不足，提供了一种行人重识别方法，包括以下步骤：
[0005]将待识别行人图像输入预先训练好的行人重识别模型，提取行人特征；
[0006]将提取的行人特征与图库中各图像所对应的特征进行匹配，输出识别结果；
[0007]所述行人重识别模型基于非对称分支网络构建，所述非对称分支网络包括1个主干网络、1个全局分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种行人重识别方法，其特征在于，所述方法包括以下步骤：将待识别行人图像输入预先训练好的行人重识别模型，提取行人特征；将提取的行人特征与图库中各图像所对应的特征进行匹配，输出识别结果；所述行人重识别模型基于非对称分支网络构建，所述非对称分支网络包括1个主干网络、1个全局分支网络和1个非对称的局部分支网络。2.根据权利要求1所述的行人重识别方法，其特征在于，所述主干网络为Resnet50。3.根据权利要求1所述的行人重识别方法，其特征在于，所述全局分支网络包括卷积层、下采样层、BN层、残差结构和残差模块，所述下采样层卷积核步长为1。4.根据权利要求1所述的行人重识别方法，其特征在于，所述局部分支网络包括卷积层、下采样层、BN层和残差结构，所述下采样层卷积核步长为1，所述局部分支网络的网络权值不共享。5.根据权利要求1所述的行人重识别方法，其特征在于，所述行人特征的提取包括以下步骤：所述全局分支网络的输出特征图通过1个全局平...

【专利技术属性】
技术研发人员：张索非，吴晓富，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：