[发明专利]一种基于人体区域对齐化特征表达学习的行人再识别方法

权利要求书

1.一种基于人体区域对齐化特征表达学习的行人再识别方法，其特征在于，包括以下步骤：

S1、获取用于训练行人再识别的图像数据集，图像数据集中的每张图片包含一个行人，且每个行人具有唯一的身份号标注信息；

S2、基于行人身份号标注信息，通过自动学习获得符合语义内容的若干个人体关键区域；

S3、在行人搜索过程中，对不同摄像头捕获到的行人图像，根据S2中获得的人体关键区域，在线下使用深度卷积神经网络模型提取每张图像中各人体关键区域的深度特征；

S4、然后融合每张图像中各人体关键区域的特征作为该图像中最终的人体区域对齐化特征表达并存储于数据库中；

S5、针对查询图像中的人体区域对齐化特征表达，在线计算其与数据库中各行人图像的人体区域对齐化特征表达之间的相似度，并根据相似度返回行人再识别搜索结果，从而达到识别行人的目的。

2.如权利要求1所述的基于人体区域对齐化特征表达学习的行人再识别方法，其特征在于，行人再识别方法的算法目标定义为：给定两张行人图像，判断其包含的行人是否为同一个行人，即判断两张行人图像的身份号标注是否相同。

3.如权利要求1所述的基于人体区域对齐化特征表达学习的行人再识别方法，其特征在于，步骤S1中，所述的用于训练行人再识别的图像数据集，包括监控场景下不同摄像头捕获到的行人图像，每张图像包含一个行人，该行人有唯一对应的身份号信息，不同摄像头捕获到同一个行人的图像拥有相同的身份号标注，不同行人的图像拥有不同的身份号标注。

4.如权利要求1所述的基于人体区域对齐化特征表达学习的行人再识别方法，其特征在于，步骤S2中，基于行人身份号标注信息，通过自动学习获得符合语义内容的若干个人体关键区域，具体包括：

S21、对图像数据集内的所有N张图像{I₁,I₂,…,I_N}按照行人身份号组合出不同的三元组{(I_a,I_b,I_c)}，其中(I_a,I_b)两张图像具有相同身份号，(I_a,I_c)两张图像具有不同身份号；

S22、使用卷积神经网络对三元组中的图像进行人体区域检测训练，直至检测得到K+1个人体关键区域，使得(I_a,I_b)两张图像对应区域的特征相似度高于(I_a,I_c)两张图像对应区域的特征相似度，K+1个人体关键区域中包括1个仅包含行人前景的区域M₀和K个子区域{M₁,M₂,…,M_k,…,M_K}。

5.如权利要求4所述的基于人体区域对齐化特征表达学习的行人再识别方法，其特征在于，步骤S3中，在线下使用深度卷积神经网络模型提取每张图像中各人体关键区域的深度特征的具体方法为：

使用全卷积神经网络，对每张图像提取深度特征图T，根据学习到的每个人体关键区域M_i对深度特征进行加权操作得到关键区域的特征表达F_i，即：

其中i＝0,1,…,K；为按元素的乘法运算。