一种基于注意力机制的行人重识别方法技术

本申请实施例公开了一种基于注意力机制的行人重识别方法，包括：空间注意力与通道注意力相结合的全局注意力模块，学习特征之间的关系从而获取更加全面的行人特征；金字塔卷积模块将网络中每层学习到的特征进行融合，充分提高浅层信息的利用率，浅层信息与深层信息的结合能够更加丰富行人信息，从而提高网络的鲁棒性；局部分割模块将行人特征平均分成若干块，使网络更加关注行人局部信息，更加有效的学习行人部分区域的某些局部特征。本方法与其它行人重识别方法相比，将注意力机制与金字塔卷积相结合，充分利用行人的浅层信息和深层信息，提高行人的判别性特征，从而提高网络的泛化能力。化能力。化能力。

【技术实现步骤摘要】
一种基于注意力机制的行人重识别方法


[0001]本申请实施例涉及计算机视觉图像处理
，具体涉及一种基于注意力机制的行人重识别方法。

技术介绍

[0002]行人重识别是计算机视觉中的一个领域，近几年被研究人员广泛关注而成为重要研究内容。它是对跨摄像头中的图像进行学习并提取特征，然后匹配相同行人身份的一项技术。具体来说，给定一张行人图片，要求在数据集中计算出与其身份相同的概率值并排序，概率越大表示身份与其越相似。目前行人重识别被应用在一些大型公共场所中，例如车站、机场、医院等。随着行人重识别技术逐渐应用在实际场所中，因此对其的识别性能要求也越来越高，随之而来的问题也逐渐增加：摄像头分辨率的不同会直接影响到最终的识别效果；另外摄像头的安装位置在一定程度上也会导致出现不同的结果；当行人的姿态出现变化时，系统可能不能正确识别出行人的真实身份；行人被车辆、标志或者其他行人遮挡时，由于缺少行人的上下文信息，也可能会导致系统的识别错误。从上述问题来看，目前行人重识别仍然是一项极具挑战的任务。
[0003]为了解决行人重识别出现的问题，我们可以通过本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于注意力机制的行人重识别方法，其特征在于，包括以下步骤：一个空间注意力与通道注意力相结合的全局注意力模块，学习特征之间的关系从而获取更加全面的行人特征；金字塔卷积模块，将网络中每层学习到的特征进行融合，充分提高浅层信息的利用率，浅层信息与深层信息的结合能够更加丰富行人信息，从而提高网络的鲁棒性；局部分割模块，将行人特征平均分成若干块，使网络更加关注行人局部信息，更加有效地学习行人部分区域的某些局部特征；损失函数采用三元组损失与ID损失相结合的方法对网络参数进行更新，利用训练集得到最终的网络模型；将gallery中的行人图片输入到训练好的模型中，通过网络的学习得到行人特征，并且得到行人的身份信息，将这些特征与身份信息保存；把query中的行人图像输入到模型中，网络对其学习，并且得到相应的行人特征，在gallery中进行检索，分别计算query和gallery图像之间的相似度，gallery中相似度最高的图片最有可能与query中的图片ID相同；采用平均精度均值mAP和累积匹配特征曲线CMC curve来评估模型效果。2.如权利要求1所述的方法，其特征在于，所述的空间注意...

【专利技术属性】
技术研发人员：沈子荷，崔鹏，李哲阳，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：