[发明专利]一种行人重识别方法及系统有效

专利信息
申请号: 201911393313.7 申请日: 2019-12-30
公开(公告)号: CN111191587B 公开(公告)日: 2021-04-09
发明(设计)人: 王阳萍;李力;张衍;李宝文;党建武;王松;雍玖;杨景玉;金静;郭治成 申请(专利权)人: 兰州交通大学
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62;G06N3/04;G06N3/08
代理公司: 北京高沃律师事务所 11569 代理人: 韩雪梅
地址: 730070 甘*** 国省代码: 甘肃;62
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 行人 识别 方法 系统
【说明书】:

发明涉及一种行人重识别方法及系统。方法包括获取双线性卷积神经网络模型;获取输入行人图像;利用主干网络,提取输入行人图像的中间特征;对中间特征进行切片操作,得到分块特征;利用主干网络和分干网络对分块特征进行卷积和线性整流操作,得到第一行人分块细粒度特征和第二行人分块细粒度特征;对第一行人分块细粒度特征和第二行人分块细粒度特征采用双线性池化层进行融合,得到融合特征;根据待识别行人图像的融合特征与待搜索库中图像的融合特征之间的距离,确定待搜索库中与所述待识别行人图像相同的图像。本发明所提供一种行人重识别方法及系统,解决现有技术中行人重识别出现错位和造成行人重识别的识别率低的问题。

技术领域

本发明涉及图像处理技术领域,特别是涉及一种行人重识别方法及系统。

背景技术

行人重识别(Person Re-identification)也称行人再识别,简称为ReID,是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术,被广泛认为是一个图像检索的子问题。给定一个监控行人图像,检索跨设备下的该行人图像。在监控视频中,由于相机分辨率和拍摄角度的缘故,通常无法得到质量非常高的人脸图片。当人脸识别失效的情况下,行人重识别就成为了一个非常重要的替代品技术。

传统的行人特征主要有颜色直方图(Color Histograms),局部二值模式(LocalBinary Patterns)等。对行人特征的处理识别方法主要相似度量学习、卷积神经网络、通过用相似度量学习把行人特征映射度量空间。传统方法中常用的度量学习方法有KISSME(Mahalanobis Metric Learning),局部fisher判别分析(Local Fisher DiscriminantAnalysis),边际fisher分析(Marginal Fisher Analysis),大间隔最近邻居(LocallyAdaptive Decision Functions),局部自适应决策函数(Locally Adaptive DecisionFunctions)和属性一致匹配等,以上方法,计算复杂,且识别精度不高。

2014年,卷积神经网络首次被用来处理行人重识别问题。为了处理人员重新识别中训练数据不足的问题,通常采用图像对或三元组来计算损失。在MR-BCNN中,每个输入图像被划分为三个重叠部分,这三个部分通过特定于部分的卷积网络,并且输出被连接以形成最终表示。使用余弦相似性度量进一步比较两个图像的表示。或者通过Ustinova引入双线性CNN来学习判别描述符和直方图损失(Histogram Loss)以分别训练卷积神经网络。这三种方法都没有针对错位问题进行相应的处理,造成行人重识别的识别率低。

发明内容

本发明的目的是提供一种行人重识别方法及系统,解决现有技术中行人重识别出现错位和造成行人重识别的识别率低的问题。

为实现上述目的,本发明提供了如下方案:

一种行人重识别方法,包括:

获取双线性卷积神经网络模型;所述双线性卷积神经网络模型包括由残差网络构成的主干网络和分干网络;

获取输入行人图像;所述输入行人图像包括待识别的行人图像和待搜索库中的图像;

利用所述双线性卷积神经网络模型的主干网络,提取所述输入行人图像的中间特征;所述中间特征为所述主干网络中的残差块输出的多层特征图;

对所述中间特征进行切片操作,得到所述输入行人图像的分块特征;

利用所述双线性卷积神经网络模型的主干网络对所述分块特征进行卷积和线性整流操作,得到所述输入行人图像的第一行人分块细粒度特征;所述第一行人分块细粒度特征为所述输入行人图像中行人整体的特征;

利用所述双线性卷积神经网络模型的分干网络对所述分块特征进行卷积和线性整流操作,得到所述输入行人图像的第二行人分块细粒度特征;所述第二行人分块细粒度特征为所述输入行人图像中行人不同位置的特征;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于兰州交通大学,未经兰州交通大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911393313.7/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top