【技术实现步骤摘要】
一种基于小波变换的跨分辨率行人重识别方法
[0001]本专利技术涉及智能监控
,尤其是一种基于小波变换的跨分辨率行人重识别方法。
技术介绍
[0002]行人重识别是一项利用计算机视觉技术检索跨相机下图像或者视频序列中是否存在特定行人的技术。由于其在公共安全领域中的重要作用,行人重识别技术被广泛用于城市交通监控平台、大型商场、校园、大型超市、银行以及一些重要保密部门等平台。然而目前的行人重识别技术的研究重点仍放在匹配高分辨率行人图像或者视频序列中的目标行人,也即现有的行人重识别技术基于所有行人图像的分辨率都足够高这一假设来进行行人检索。但在现实生活中,由于成像设备的质量问题、明暗光线、行人距离相机较远等不利因素,导致摄像机捕获到的行人图像模糊不清,分辨率低下。上述情况会导致行人身份识别的准确度大打折扣。
技术实现思路
[0003]为了克服上述现有技术中的缺陷,本专利技术提供一种基于小波变换的跨分辨率行人重识别方法,通过对待识别图像进行分辨率提升,以解决跨分辨率情况下的行人匹配问题,从而提高模型识别性能,使行人重识别的准确率得到提升。
[0004]为实现上述目的,本专利技术采用以下技术方案,包括:一种基于小波变换的跨分辨率行人重识别方法,利用识别模型对待识别图像中的行人身份进行识别;所述识别模型包括超分辨率网络、特征提取网络、身份预测网络;待识别图像经超分辨率网络进行处理后得到超分辨率行人图像,超分辨率行人图像经特征提取网络进行特征提取得到超分辨率行人特征,身份预测网络根据超分辨率行人特征预 ...
【技术保护点】
【技术特征摘要】
1.一种基于小波变换的跨分辨率行人重识别方法,其特征在于,利用识别模型对待识别图像中的行人身份进行识别;所述识别模型包括超分辨率网络、特征提取网络、身份预测网络;待识别图像经超分辨率网络进行处理后得到超分辨率行人图像,超分辨率行人图像经特征提取网络进行特征提取得到超分辨率行人特征,身份预测网络根据超分辨率行人特征预测行人的身份,得到该待识别图像中的行人预测身份;所述超分辨率网络包括:小波变换模块、低频外观增强模块、高频细节增强模块、整体增强模块;所述小波变换模块用于对待识别图像进行小波变换,得到该待识别图像的低频分量和高频分量;所述低频外观增强模块用于对低频分量即行人外轮廓信息进行增强;所述高频细节增强模块用于对高频分量即行人细节信息进行增强;所述整体增强模块用于对低分辨率行人图像、增强后的低频分量、增强后的高频分量进行融合,得到该待识别图像的超分辨率行人图像。2.根据权利要求1所述的一种基于小波变换的跨分辨率行人重识别方法,其特征在于,所述识别模型的训练方式如下所示:S1,获取对应的即同相机角度下的高分辨率行人图像Ih和低分辨率行人图像Ir,构建对应的高分辨率行人图像数据集Ch和低分辨率行人图像数据集Cr;S2,利用超分辨率网络对低分辨率行人图像数据集Cr中的低分辨率行人图像Ir进行处理,得到该低分辨率行人图像Ir的超分辨率行人图像Is;步骤S2的具体过程如下所示:S21,小波变换模块对低分辨率行人图像数据集Cr中的低分辨率行人图像Ir进行小波变换,得到该低分辨率行人图像Ir的低频分量Ir_LF和高频分量Ir_HF;S22,将该低频分量Ir_LF输入至低频外观增强模块,得到增强后的低频分量Ir_LF
’
;将该高频分量Ir_HF输入至高频细节增强模块,得到增强后的高频分量Ir_HF
’
;S23,将低分辨率行人图像Ir、增强后的低频分量Ir_LF
’
、增强后的高频分量Ir_HF
’
输入至整体增强模块,得到该低分辨率行人图像Ir的超分辨率行人图像Is;S3,特征提取网络包括参数共享且结构相同的两个子网络,分别为第一子网络和第二子网络;利用第一子网络提取超分辨率行人图像Is中的行人特征,得到超分辨率行人特征fs;利用第二子网络提取高分辨率行人图像数据集Ch中对应的高分辨率行人图像Ih的行人特征,得到高分辨率行人特征fh;S4,身份预测网络根据超分辨率行人特征fs,对该低分辨率行人图像Ir中的行人身份进行预测,得到低分辨率行人图像Ir中的行人预测身份;S5,构建识别模型的总损失函数T,总损失函数T包括超分辨率网络的损失函数T1、特征提取网络的损失函数T2、身份预测网络的损失函数T3;所述超分辨率网络的损失函数T1用于表示处理得到的该低分辨率行人图像Ir的超分辨率行人图像Is与对应的高分辨率行人图像Ih之间的误差;所述特征提取网络的损失函数T2用于表示提取得到的超分辨率行人特征fs与对应的高分辨率行人特征fh之间的误差;所述身份预测网络的损失函数T3用于表示该低分辨率行人图像Ir中的行人预测身份
与行人真实身份之间的误差;S6,利用高分辨率行人图像数据集Ch和低分辨率行人图像数据集Cr...
【专利技术属性】
技术研发人员:万森,高东奇,朱前进,周志鹏,成皿,袁泽川,
申请(专利权)人:安徽云森物联网科技有限公司,
类型:发明
国别省市:
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。