[发明专利]一种基于指导的多尺度注意力行人重识别深度学习系统

权利要求书

1.一种基于指导的多尺度注意力行人重识别深度学习系统，用于对行人图片待检测图片以及行人候选图片进行识别从而完成行人重识别，其特征在于，包括：

行人图片获取部，用于获取行人图片，所述行人图片包含行人待检测图片以及行人候选图片；

图片特征提取部，用于根据预先训练完成的基于指导的多尺度特征提取模型提取所述行人图片在各个尺度下的全局特征和局部特征；

图片特征拼接部，用于分别拼接各张所述行人图片的所述全局特征以及所述局部特征作为对应各张所述行人图片的行人图片特征；

特征距离计算部，用于根据各个所述行人图片特征计算不同的所述行人图片特征之间的特征距离；

相似程度判断部，用于根据各个所述特征距离之间的远近判断所述行人待检测图片与所述行人候选图片的相似程度作为行人重识别结果，

其中，所述基于指导的多尺度特征提取模型对所述全局特征以及所述局部特征的提取过程包括如下步骤：

步骤S1，对所述行人图片进行基本深度特征提取得到对应该行人图片的描述特征；

步骤S2，对所述描述特征进行多尺度特征分析从而获取每个所述行人图片在各个尺度下的尺度特征；

步骤S3，利用基于指导的注意力机制对所述尺度特征下的显著性空间区域进行突显从而得到对应各个所述尺度特征的突显特征；

步骤S4；将所述突显特征利用全局与局部双分支数据流进行所述全局特征和所述局部特征的提取。

2.根据权利要求1所述的基于指导的多尺度注意力行人重识别深度学习系统，其特征在于：

其中，在所述步骤S1中进行所述基本深度特征提取时，具体使用ResNet50的前3个残差模块作为基础卷积层提取所述描述特征。

3.根据权利要求1所述的基于指导的多尺度注意力行人重识别深度学习系统，其特征在于：

其中，所述步骤S2中，在所述描述特征进行多尺度特征分析时，使用3个权重不共享的数据流分支S_i(i＝1，2，3)，分别提取3个表示不同尺度的尺度特征F_i(i＝1，2，3)：

对所述数据流分支S₁，使用卷积核为3×3的卷积层提取行人图片小尺度特征F₁；

对所述数据流分支S₂，使用卷积核为5×5的卷积层提取行人图片中等尺度特征F₂；

对所述的数据流分支S₃，使用卷积核为7×7的卷积层提取行人图片大尺度特征F₃。

4.根据权利要求3所述的基于指导的多尺度注意力行人重识别深度学习系统，其特征在于：

其中，所述数据流分支S₂拆分为2个级联的3×3卷积层，

所述数据流分支S₃拆分为3个级联的3×3卷积层，

对所述数据流分支S₁，S₂和S₃，为每一层所述3×3卷积层嵌入h(x)＝f(x)+x的残差思想，即额外添加一个由输入直接到输出的单位函数通道。