【技术实现步骤摘要】
一种基于不确定性联合注意力的人的重识别方法及系统
[0001]本专利技术涉及人体识别
,更具体的说是涉及一种基于不确定性联合注意力的人的重识别方法及系统。
技术介绍
[0002]人的重识别主要是指从不同场景下的多个摄像机拍摄的行人图像数据集中获取目标行人,是近几年来计算机视觉领域一项热门且重要的研究课题,由于在公共安全相关的领域中具有巨大的应用前景,常被用于寻找失踪人员或嫌疑人、跨摄像头跟踪、多摄像头场景检测等问题。但是,因为成像设备、环境噪声以及人体姿势等因素的影响,人的重识别任务经常出现一些值得注意的局部特征被抑制的问题,同一个人可能表现出较大的“类内”差异,同样,由于行人数据的复杂和庞大,不同人体可能表现出较小的“类间”差异。从而出现一个人“变异”为另一个人或者两张图像是同一个人却无法准确识别的问题,因此,对于研究人员而言,人的重识别仍然是一个极具挑战性的研究问题,现有的人重识别方法大多并没有考虑局部特征之间的关系,这会增加具有相似局部特征人的误识别问题。
[0003]在现有技术中,许多方法通过使用CNN侧重提取人图像的全局特征以获得表征信息,但它们忽略了身体特定部位的关键信息,两个人在全局特征具有极小的类间差异,但在头部区域特征的类间差异却很明显,这对整体特征的类间差异的扩大无疑形成了阻碍。为了获取更加显著的局部特征,还有一些方法从身体提取局部特征,并将其与全局特征结合形成更加有效的特征描述符。然而,这也产生了新的问题,由于一些摄像探测器收集的人体图像经常出现错位或遮挡,使得图像的部分区域并无有 ...
【技术保护点】
【技术特征摘要】
1.一种基于不确定性联合注意力的人的重识别方法,其特征在于,包括以下步骤:S1、提取输入图像的全局特征,空间特征和关键点特征;S2、对关键点特征和空间特征进行联合学习,得到联合特征;S3、构建联合特征与上下文信息的关系特征,得到上下文关系特征。2.根据权利要求1所述的一种基于不确定性联合注意力的人的重识别方法,其特征在于,S2具体为:S21、对全局特征和关键点特征进行元素级乘法运算得到关键点局部语义;S22、将关键点特征热图映射为注意力热图,得到注意力得分;S23、根据注意力得分进行特征擦除,得到姿态局部特征;S24、以全局特征为中心,为每个空间特征增加拓扑关系,得到空间局部特征;S25、将空间局部特征与姿态局部特征进行联合表征,得到联合特征。3.根据权利要求2所述的一种基于不确定性联合注意力的人的重识别方法,其特征在于,S21的计算过程具体为:式中,为关键点局部语义,k为第k个关键点区域的序号,为关键点特征的c通道的局部特征,g为全局最大值池化,M
global
为全局特征图,M
kp
为关键点特征图。4.根据权利要求3所述的一种基于不确定性联合注意力的人的重识别方法,其特征在于,S22具体为:根据关键点坐标与原始图像的对应关系,利用高斯方法和归一化处理,将关键点特征热图映射为注意力热图:式中,F
score
为注意力得分,Norm为归一化处理,Gaussian(
·
)为高斯方法,L
i
为关键点区域的中心位置,为标准差。5.根据权利要求4所述的一种基于不确定性联合注意力的人的重识别方法,其特征在于,S23具体为:对区域像素p(i,j)内的单个像素位置的注意力得分进行比较,统计p(i,j)影响范围c
i
内的注意力分数之和:式中,as
ij
为以区域像素p(i,j)为中心,影响范围c
i
为半径的区域注意力得分,根据注意力得分,对得分小于预设阈值的像素及其影响范围c
i
内的特征信息进行擦除。6.根据权利要求5所述的一种基于不确定性联合注意力的人的重识别方法,其特征在于,S24具体为:构建基于全局特征的拓扑关系特征于,S24具体为:构建基于全局特征的拓扑关系特征式中,G0为最大值池化后的全局特征,η为全局特征对拓扑关系特征的影响权重,S
i
为基于空间划分的局部特征;
对拓扑关系特征进行补偿,连接和G0,进行1
×
1的融合卷积,得到空间局部特征F
sg
:式中,C
fase
...
【专利技术属性】
技术研发人员:铁治欣,王登文,陈燕兵,陶灵兵,
申请(专利权)人:浙江理工大学,
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。