一种基于图神经网络的动态小股行人识别方法技术

本发明专利技术公开了一种基于图神经网络的动态小股行人识别方法，将数据集中图片进行预处理，使用特征匹配的方法将图片中背景的像素点进行匹配，通过像素点截取相应的图片，得到图片的背景特征；对行人进行动态筛选，排除不为同一组的行人，同时构建图结构；将得到的背景特征加入构建的图结构，得到新的图结构；采用多头注意力的图上下文信息感知传递的方法，寻找最优模型；解决了特征提取过程中受到局部扰动而特征不鲁棒的问题，提高了行人再识别的准确率；基于该算法设计的动态小股行人重识别方法，能够快速获取想要查找的行人以及小股行人。人。人。

【技术实现步骤摘要】
一种基于图神经网络的动态小股行人识别方法


[0001]本专利技术涉及计算机视觉图像检索
，具体的是一种基于图神经网络的动态小股行人识别方法。

技术介绍

[0002]随着单人行人重识别的飞速发展，其在现实世界中的巨大潜力而受到越来越多的关注，单人行人重识别的方法已经取得了显著性的成果，然而，对于小股行人重识别的方法，不仅存在单人行人重识别的困难，还存在组成员数目的变化以及组成员位置发生变化这些特有的问题。采用人工查阅监控设备进行确认又需要耗费大量的人力和时间，效率低下。因此，设计了涉及一种基于图神经网络的动态小股行人再识别的方法。
[0003]现有与之相关的技术可以分为两类：背景信息匹配算法、小股行人再识别算法。(1)背景信息匹配算法方面，现有中国专利文献公开了DOI:10.1109/CVPR42600.2020.00499的一种基于深度学习的背景信息匹配算法，该算法设计了一种神经网络，它通过联合查找对应关系和拒绝不匹配点来匹配两组局部特征。通过求解一个可微分的最优运输问题来估计分配，该问题的成本由图神经网络预测。引入了一种基于注意本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图神经网络的动态小股行人识别方法，其特征在于，方法包括以下步骤：将数据集中图片进行预处理，使用背景特征匹配方法得到图片中的背景特征；对行人进行动态筛选，排除不为同一组的行人，同时构建图结构；将得到的背景特征加入构建的图结构，得到新的图结构；在新的图结构中，采用多头注意力的图上下文信息感知传递的方法进行消息传递，最大化的更新节点信息特征，提高组识别的准确率。2.根据权利要求1所述的一种基于图神经网络的动态小股行人识别方法，其特征在于，所述将数据集中图片进行预处理，使用背景特征匹配方法得到图片中的背景特征的过程包括以下步骤：根据行人的boundingbox将行人的关键点置为0，每个关键点i的初始表示
(0)
xi结合了关键点视觉外观和位置；使用多层感知器MLP
enc
将关键点位置嵌入到高维向量中，如下所示：
(0)
x
i
＝d
i
+MLP
enc
(p
i
)其中d
i
为关键点的视觉描述符，p
i
为关键点的位置，
(f)
x
Ai
是图像A在第层的元素i，m
E
‑
>i
汇聚了所有关键结点，m是注意力权重和，E包含了{E
self
，E
cross
}，A中所有i的剩余消息传递更新为：其中[||]表示连接，同时对图像B中的所有关键点执行类似的更新；具有不同参数的固定数量的层L被链接起来，并且交替地沿着自身边缘和交叉边缘聚合；因此，从开始，如果是奇数，则E＝E
self
，如果是偶数，则E＝E
cross
：同理得到B，以及相应的横坐标x
b
和纵坐标y
b
；将得到的f
Ai
和f
Bj
进行内积，使用dustbin增强每个集；将a＝[a
TM N]
T
和b＝[1
TN
M]
T
表示为A和B中每个关键点和dustbin的与其匹配数；增强分配具有如下约束：M和N分别为第i张图片和第j张图片关键点的集合，背景匹配的损失函数如下：通过优化匹配层得到少量相应的横坐标x
b
和纵坐标y
b
，最后计算第s张图片中(x
1b
，y
1b
)到(x
Mp
，y
Mp
)的距离与第j张图片中(x
2b
，y
2b
)到(x
Np
，y
Np
)的距离之间的差值的绝对值最小的点，并得到以此点为坐标的256
×
128的矩阵：其中M和N分别为第i张和第j张图像中行人数量，(x
ib
，y
ib
)和(x
jb
，y
jb
)分别为第i张图片和第j张图片中背景特征信息的横纵坐标，(x
Mp
，y
Mp
)和(x
Np
，y
Np
)分别为第i张图片和第j张图片中所有行人的横纵坐标。
3.根据权利要求1所述的一种基于图神经网络的动态小股行人识别方法，其特征在于，所述对行人进行动态筛选，排除不为同一组的行人，同时构建图结构的过程包括以下步骤：构建一个由N
s
个顶点V
s
和一组边E
s
组成的图像G
s
＝{V
s
，E
s
}；提取图像中的人作为图像的节点，使用最近邻算法在每个图像中选择最近的人，并构建图结构。4.根据权利要求3所述的一种基于图神经网络的动态小股行人识别方法，其特征在于，将图结构中的边划分为强连通边、中等连通边和弱连通边。5.根据权利要求1所述的一种基于图神经网络的动态小股行人识别方法，其特征在于，所述将得到的背景特征加入构建的图结构，得到新的图结构的过程包括组内关系计算、组间关系计算和上下文信息感知；所述组内关系计算过程包括：首先对组内人相同部分之间进行计算，再将组内人不同部分之间进行计算；然后在进行组间人相同部分之间进行计算，再将组间人不同部分之间进行计算；并引入背景信息；计算组内相关性：将每个特征分为四部分，特征相同部分下选择了第s张图片的人物特征h
(t
‑
1)sip
，以及第s张图片的背景特征h
(t
‑
1)sbp
，从人物特征传递到背景特征的消息计算如下，当前情况下有且仅有一条：其中φ是测量输入之间相关性的函数，W
(t
‑
1)e
是将输入特征...

【专利技术属性】
技术研发人员：刘天奇，张国庆，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：