【技术实现步骤摘要】
一种基于动态RoI特征提取的行人搜索方法
[0001]本专利技术涉及行人跟踪、智能视频监控、智能交通等计算机视觉领域中鲁棒有效的行人搜索方法，具体是一种基于深度卷积神经网络的行人搜索的方法。
技术介绍
[0002]行人搜索的任务是判断图像库或者视频序列中是否存在行人并定位和识别目标人物，行人搜索在计算机应用领域有着非常广泛的应用，比如智能视频监控、航拍图像、人机交互系统、运动分析等。图1给出了智能监控系统中行人搜索应用的示例。如图1所示为监控相机不同时间和视角下拍摄的画面。第一列图中的框表示需要搜索的目标行人，第二列和第三列为待搜索的图像。智能监控系统需要从待搜索的图像集中准确找到和定位目标行人(第二列中的框表示找到的目标行人)。由于行人易受穿着、尺度、遮挡、姿态和视角等影响，使得行人搜索成为计算机视觉领域中一个既具有研究价值又极具挑战性的课题。
[0003]作为目标检测和重识别(re
‑
id)的联合任务，行人搜索不仅需要处理这两个单独子任务中存在的挑战，还需要共同优化两个子任务的不同目标。现有的人...
【技术保护点】
【技术特征摘要】
1.一种基于动态RoI特征提取的行人搜索方法，所采用的行人搜索网络采用基于候选框生成的一步法网络框架，包括干网络，颈网络和头网络，头网络由物体检测头网络和行人重识别头网络串接组成；头网络采用多级级联架构，即将上一级网络的输出结果作为下一级网络的输入；每一级头网络的输入包括颈网络对应的特征图，候选框位置信息、候选框特征向量，包含下列步骤：步骤1：准备包含不同行人的图像集，标注图像集每张图像中行人的标注信息，包括行人的身份信息和标注框信息；步骤2：将图像集划分为训练集，验证集和测试集；步骤3：设置训练阶段的相关超参数；步骤4：训练行人搜索网络，分为以下子步骤：子步骤1：采用ImageNet预训练模型初始化相关的卷积权重；子步骤2：输入图像经过干网络和颈网络生成特征图，将特征图输入头网络；子步骤3：在头网络中，首先将上一级的候选框特征向量输入到全连接层中计算得到感兴趣区域不同子区域的偏移向量，其中第一级的候选框特征向量随机初始化生成；设RoI对齐池化中将RoI...
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。