【技术实现步骤摘要】
行人重识别模型的生成方法、行人重识别方法及其装置
[0001]本专利技术涉及行人重识别领域，尤其涉及一种行人重识别模型的生成方法、行人重识别方法及其装置。
技术介绍
[0002]行人重识别技术是安防领域的重要分支，其中最重要的是获得具有强区分能力的特征表达，现有技术大多使用多分支结构来学习不同尺度的特征来增强全局特征和局部特征；通过对行人图像施加注意力机制抑制无关噪声信息，亦可进一步提升特征表达的区分能力。
[0003]但是，当前的行人重识别方法在应用多分支结构和注意力机制时，各个分支基本上为独立工作的状态，相互间不存在通信协作。这会使得网络模型挖掘行人图像中局部细节的能力被弱化，难以有效提取行人图像中的多个局部信息，导致行人重识别精度不高的问题。
技术实现思路
[0004]本专利技术的目的是针对上述问题，提供了一种行人重识别模型的生成方法、行人重识别方法及其装置。
[0005]为达到上述目的，本专利技术的技术方案是这样实现的：一种行人重识别模型的生成方法，包括以下步骤：获取若干行人图像，根据...
【技术保护点】
【技术特征摘要】
1.一种行人重识别模型的生成方法，其特征在于，包括以下步骤：获取若干行人图像，根据若干行人图像制作数据集，将所述数据集划分为训练集和测试集；创建行人重识别模型，所述行人重识别模型包含数据预处理模块、特征提取网络模块，训练策略模块；所述数据预处理模块用于：从所述训练集中随机选择预设数量的行人图像，根据所述行人图像组成若干训练批次，对每个训练批次中的图像都进行图像处理并得到训练图像；所述特征提取网络模块由多个分支网络和注意力模块协同构成，用于：对所述训练图像进行特征提取得到输出向量；所述训练策略模块用于：根据所述输出向量计算损失值，根据损失值更新所述行人重识别模型中神经网络的参数；基于所述训练集，对所述行人重识别模型进行训练。2.根据权利要求1所述的生成方法，其特征在于，所述行人图像为多台具有不重叠视野域的监控摄像机拍摄的图像，每张图像中都包含行人；所述“将所述数据集划分为训练集和测试集”具体包括：将所述行人图像根据所述行人的ID按指定比例进行分割，从而将所述数据集划分为训练集和测试集。3.根据权利要求2所述的生成方法，其特征在于，所述数据预处理模块还用于：对所述训练集中所有行人图像执行缩放到统一大小、随机裁剪、随机水平左右翻转、随机擦除和标准化处理操作。4.根据权利要求1所述的生成方法，其特征在于，所述特征提取网络模块还包括：所述分支网络为第一分支网络、第二分支网络、第三分支网络和第四分支网络，所述第一分支网络包含OSNet的Conv2、Conv3、Conv4和Conv5，在Conv2、Conv3和Conv4的卷积块后嵌入注意力模块，所述第二分支网络包含OSNet的Conv2、Conv3和Conv4，在Conv3和Conv4的卷积块后嵌入注意力模块，所述第三分支网络包含OSNet的Conv4和Conv5，在Conv4的卷积块后嵌入注意力模块，所述第四分支网络包含OSNet的Conv5；所述第二分支网络的Conv3模块接收第一分支网络的Conv2经过注意力模块的输出，所述第二分支网络的Conv4模块接收第一分支网络的Conv3经过注意力模块的输出，所述第二分支网络的Conv5模块接收第一分支网络的Conv4经过注意力模块的输出；所述第三分支网络的Conv4模块接收第二分支网络的Conv3经过注意力模块的输出，所述第三分支网络的Conv5模块接收第二分支网络的Conv4经过注意力模块的输出；所述第四分支网络的Conv...
【专利技术属性】
技术研发人员：董虎胜，杨元峰，张苏，尚鲜连，张量，鲜学丰，
申请(专利权)人：苏州市职业大学苏州开放大学，
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。