[发明专利]一种基于人体姿态估计的行人重识别方法

权利要求书

1.一种基于人体姿态估计的行人重识别方法，其特征是包含以下主要步骤：

步骤一、将多个摄像头采集的行人录像进行取帧，检测每帧图像中的行人，得到行人前景图片；

步骤二、通过姿态估计方法获取行人图片中行人的关节点位置，据此将行人图片分割成上半身图片和下半身图片；

步骤三、训练神经网络，将原图片、上半身图片和下半身图片都经过神经网络提取特征，并输出行人各部分特征向量；

步骤四、将得到各部分特征向量进行融合，得到联合特征向量。通过联合特征向量进行距离度量，输出最后的结果。

2.权利要求1所述方法的步骤二的特征在于，采用基于卷积神经网络的人体姿态估计方法，对行人前景图片进行关节点预测。根据预测得到的二维关节点关节点，其像素位置以(x，y)标注，x代表关节点像素横坐标，y代表关节点像素纵坐标。通过左右髋关节的纵坐标y₁，y₂计算出其平均值以作为界限，将行人图片分割为上半身图片和下半身图片。

3.权利要求1所述方法的步骤三特征在于，采用不同的损失函数对神经网络进行了两阶段训练。第一阶段采用Softmax损失函数，其公式如下：

a_i是网络输出的第i个类型的线性预测分数，y_i是输入样本的标签，S_i是当前样本对应于第i个类型的概率。当网络收敛，损失函数值不再下降时使用Triplet损失函数，其公式如下：

f(x)为输入图片到特征向量的映射。为随机选取的一个行人图片，为另一张标签相同的图片，为一张不同标签的图片。三张图片组成了一个三元组。训练集中元组总数为N，α为边界填充值。

4.权利要求1所述方法的步骤三特征在于，针对行人全身图片、上半身图片、下半身图片采用权利要求3中的方法，分别独立训练神经网络。提取网络最后一层全连接层的输出，得到每个样本的整体特征表达与局部特征表达。

5.权利要求1所述方法的步骤四的特征在于，在步骤三中获得的三部分特征表达进行向量拼接，得到联合特征向量，显式地将不同样本的整体特征信息和局部特征信息，固定在相同的向量维度。