基于相机差异的调度序列及训练的行人重识别方法技术

本发明专利技术涉及图像检索技术领域，尤其是提供了基于相机差异的调度序列及训练的行人重识别方法。该方法包括根据训练后的特征提取网络，获得每个相机对应的相机特征，并获得线性映射层的输出、每个相机的mAP值和融合相机特征后的mAP值；将未融入相机特征所得到的mAP值作为分子，将融合相机特征后的平均精度mAP值作为分母，得到相机特征调度序列；根据相机特征调度序列由大到小依次选择每个相机的特征权重，将其相机代表的特征进行融合形成最新的特征；如此循环，以至将每个相机的特征全部融合后，对卷积神经网络进行训练，确定预测结果，该方法在面对多相机的场景时，提高了重识别的准确率和稳定性，使其达到了较高的水准。

【技术实现步骤摘要】

本专利技术涉及图像检索，尤其涉及一种基于相机差异的调度序列及训练的行人重识别方法。

技术介绍

1、随着人工智能、信息技术的飞速发展，图像检索技术中的行人重识别系统备受关注，通过给定一个人的照片，通过卷积神经网络的学习，最终在一群照片中找到属于同一个人的照片。行人重识别主要包括监督学习和无监督学习两大类方法，其中监督学习是在已经标注好的图片中训练，也就是明确每个图片是哪个人，而无监督学习则是不知道每张图片对应哪个人。

2、现有的技术中，无监督学习方法通常先经过聚类方法，给每张图片先分配伪标签，然后通过卷积神经网络学习后，根据得到的特征计算损失，然后不断更新标签，往复学习。而监督学习因为知道每个图像的标签，所以一般是直接经过卷积神经网络学习，然后计算损失。由于图像收集并不局限于一个相机，而每个相机拍摄的图像都有着其独特的差异，当所有图像照片一起训练时，由于忽略每个相机之间的差异，最终导致了准确率的降低，无法达到较高的水准。

技术实现思路

1、有鉴于此，本专利技术提供了一种基于相机差异的调度序列及训练的本文档来自技高网...

【技术保护点】

1.一种基于相机差异的调度序列及训练的行人重识别方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述步骤1包括：

3.根据权利要求1所述的方法，其特征在于，所述步骤2包括：

4.根据权利要求1所述的方法，其特征在于，所述步骤3包括：

5.根据权利要求1所述的方法，其特征在于，所述步骤4包括：

6.根据权利要求1所述的方法，其特征在于，所述步骤5包括：

7.根据权利要求1所述的方法，其特征在于，所述步骤6包括：

8.根据权利要求1所述的方法，其特征在于，所述步骤7包括：

【技术特征摘要】

1.一种基于相机差异的调度序列及训练的行人重识别方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述步骤1包括：

3.根据权利要求1所述的方法，其特征在于，所述步骤2包括：

4.根据权利要求1所述的方法，其特征在于，所述步骤3包...

【专利技术属性】
技术研发人员：石明，胡文丽，
申请(专利权)人：齐鲁工业大学山东省科学院，
类型：发明
国别省市：