一种应用于无人机的航空视角下行人重识别方法及系统技术方案

本发明专利技术属于机器视觉技术领域，公开了一种应用于无人机的航空视角下行人重识别方法及系统，所示方法包括：获取航空视角下的目标行人图像和待搜索图像数据集；对所述目标行人图像和每幅待搜索图像，分别采用预先训练的无人机行人重识别网络进行特征提取；根据所述目标行人图像和各幅待搜索图像特征之间的相似度，判断所述待搜索图像数据集中是否存在所述目标行人的图像；其中，所述无人机行人重识别网络是以深度可分离卷积块为基本单元，具有多个并行分支的网络，在最大程度实现轻量化的基础上，还能够获得图像中行人多尺度的特征，有助于增强模型性能。于增强模型性能。于增强模型性能。

A method and system for identifying the weight of people descending from the aerial perspective applied to unmanned aerial vehicles

【技术实现步骤摘要】
一种应用于无人机的航空视角下行人重识别方法及系统


[0001]本专利技术属于机器视觉
，尤其涉及一种应用于无人机的航空视角下行人重识别方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]行人重识别(Re
‑
ID)的目的是在多个互相之间没有联系的摄像机中寻找具有相同身份的行人。目前对于行人重识别的研究大多集中在针对于地面相机所拍摄的图片来进行搜索。但是，传统地面相机如安装在室内的监控摄像机和安装在室外路口的交通监控摄像机，由于无法移动导致具有视野局限的问题。
[0004]无人机可以按照人为的规定对一定区域进行自动巡航拍照，不受环境的限制，具有极大的便利性，已有学者将无人机应用于行人重识别。但是，无人机航拍视角下的行人重识别仍存在以下问题：无人机行人重识别(UAV
‑
ReID)不同于传统的行人重识别，无人机是不断移动的，因此即使是同一无人机在同一时刻所拍摄的图片，由于位置、角度的不同所拍摄的图片也具有很大的差异；无人机本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用于无人机的航空视角下行人重识别方法，其特征在于，包括以下步骤：获取航空视角下的目标行人图像和待搜索图像数据集；对所述目标行人图像和每幅待搜索图像，分别采用预先训练的无人机行人重识别网络进行特征提取；根据所述目标行人图像和各幅待搜索图像特征之间的相似度，判断所述待搜索图像数据集中是否存在所述目标行人的图像；其中，所述无人机行人重识别网络包括多尺度卷积模块和加权注意力模块，所述多尺度卷积模块包括主干网络和一个或多个并行网络，所述主干网络包括依次连接的多组深度可分离残差卷积块，每两组深度可分离残差卷积块之间均设有下采样层；并且，主干网络每个下采样层的输出端均再次经由一个下采样层连接一个并行网络；所述并行网络包括一组或依次连接的多组深度可分离残差卷积块。2.如权利要求1所述的应用于无人机的航空视角下行人重识别方法，其特征在于，所述主干网络和一个或多个并行网络的并行阶段，对于不同网络层的各组深度可分离残差卷积块，在前深度可分离残差卷积块的输出端均连接至本组及其他网络层的在后深度可分离残差卷积块。3.如权利要求1所述的应用于无人机的航空视角下行人重识别方法，其特征在于，所述深度可分离残差卷积块包括多尺度卷积模块和加权注意力模块，所述多尺度卷积模块包括主干分支和残差分支，所述主干分支和残差分支均包括多个依次连接的深度可分离卷积单元。4.如权利要求3所述的应用于无人机的航空视角下行人重识别方法，其特征在于，所述深度可分离卷积单元采用感受野大小为3
×
3的深度可分离卷积单元。5.如权利要求1或3所述的应用于无人机的航空视角下行人重识别方法，其特征在于，所述注意力模块包括多层注意力网络，每层注意力网络均包括池化层、第一卷积层、归一化层、第一激活函数、第二卷积层和第二激活函数。6.如权利要求1所述的...

【专利技术属性】
技术研发人员：张化祥，高文博，刘丽，朱磊，孙建德，于治楼，金圣开，
申请(专利权)人：山东交通学院，
类型：发明
国别省市：