[发明专利]一种基于人体骨骼关键点检测和非均等分区的行人重识别方法

权利要求书

1.一种基于人体骨骼关键点检测和非均等分区的行人重识别方法，其特征在于，包括步骤如下：

(1)准备行人数据集，行人数据集是指处于不同场景且具有不同尺度的大量的行人图像；将行人数据集划分为训练集、验证集和测试集，使用LabelImg图片标注工具标注训练集；

(2)将步骤(1)标注好的图片送入ResNet50网络，得到表征人体特征的tensor A；

(3)依照人体骨骼区域相对不变性，按人体骨骼关键点对tensor A进行非均匀分区，得到tensor1-1、tensor1-2、tensor1-3、tensor1-4、tensor1-5、tensor1-6，分别表征人体的头、胸部、腹部、大腿、小腿、脚；

(4)将tensor1-1、tensor1-2、tensor1-3、tensor1-4、tensor1-5、tensor1-6分别连接FC层，FC层即全连接层；并用Softmax分类器分类；

(5)验证及测试时，将n个特征向量合并计算相似度，n个特征向量包括tensor1-1、tensor1-2、tensor1-3、tensor1-4、tensor1-5、tensor1-6，实现行人重识别。

2.根据权利要求1所述的一种基于人体骨骼关键点检测和非均等分区的行人重识别方法，其特征在于，步骤(3)，将tensorA送入人体关键点检测网络；按训练集标注的14个人体骨骼关键点对tensor A进行非均匀分区，共分为6个区域，得到tensor1-1、tensor1-2、tensor1-3、tensor1-4、tensor1-5、tensor1-6共6个分区特征向量，大小分别为p₁×q₁、p₂×q₂、p₃×q₃、p₄×q₄、p₅×q₅、p_n×q_n，分别表征人体的头、胸部、腹部、大腿、小腿、脚，分别对tensor1-1、tensor1-2、tensor1-3、tensor1-4、tensor1-5、tensor1-6进行averagepooling，得到向量vectors1、vectors2、vectors3、vectors4、vectors5、vectors6，包括步骤如下：

A、将tensorA按人体骨骼关键点水平分为头、胸部、腹部、大腿、小腿、脚六部分；

B、在标注完人体骨骼关键点后进一步分别框出头、胸部、腹部、大腿、小腿、脚六个矩形区域；

C、将将步骤B处理后的图片送入人体关键点检测网络，学习并区分头、胸部、腹部、大腿、小腿、脚六部分的特征信息，从而使这六部分的特征信息在tensorA中被区分，得到tensor1-1、tensor1-2、tensor1-3、tensor1-4、tensor1-5、tensor1-6；

D、设定tensor1-1、tensor1-2、tensor1-3、tensor1-4、tensor1-5、tensor1-6的尺寸分别为C1×H1×W1、C2×H2×W2、C3×H3×W3、C4×H4×W4、C5×H5×W5、C6×H6×W6，C1、H1、W1分别表示tensor1-1的通道数、高度和宽度，C2、H2、W2分别表示tensor1-2的通道数、高度和宽度，C3、H3、W3分别表示tensor1-3的通道数、高度和宽度，C4、H4、W4分别表示tensor1-4的通道数、高度和宽度，C5、H5、W5分别表示tensor1-5的通道数、高度和宽度，C6、H6、W6分别表示tensor1-6的通道数、高度和宽度；

池化核从左至右、从上至下地分别对tensor1-1、tensor1-2、tensor1-3、tensor1-4、tensor1-5、tensor1-6进行池化，逐步滑动直至池化全部完成，经过多次池化操作，得到vectors1、vectors2、vectors3、vectors4、vectors5、vectors6。