[发明专利]一种基于全局和局部细粒度特征的行人重识别方法

说明书

本发明公开了一种基于全局和局部细粒度特征的行人重识别方法，包括下述步骤：获取行人图像并进行数据预处理；采用残差网络建立图像特征提取通道，生成行人图像的高阶特征图；构建行人重识别网络的全局分支、第一局部分支和第二局部分支；训练行人重识别网络；采用全局分支进行全局特征提取得到全局特征；采用第一局部分支和第二局部分支进行局部特征提取得到局部特征；将全局特征和局部特征通过张量连接作为行人的最终特征表示，将检索行人的特征表示与查询库中其他行人在网络中输出的特征向量进行距离计算，按距离进行排序得出最终的相似度结果。本发明采用端到端地进行训练和测试，提高了识别的精度，更好地满足摄像头行人识别的要求。

技术领域

本发明涉及行人重识别技术领域，具体涉及一种基于全局和局部细粒度特征的行人重识别方法。

背景技术

由于相机的分辨率和拍摄角度的缘故，使用监控摄像头通常无法得到质量高的人脸照片，在人脸失效的情况下，行人重识别就成为了一个非常重要的替代识别方法，行人重识别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，被广泛认为是图像检索的子任务。

在大规模行人重识别的场景下，因为监控视频图像的复杂性、训练数据总量以及多样性欠缺，让基于全局特征的学习模型放弃了很多不是很重要的特征或者不常见的特征，这样在判别时对于有很多相似共同点的人或者有较大类内差异的时候适用性不强。为了解决这个问题，从图像中定位重要的身体部位来提取局部信息的表征已经被证明是一种有效的途径来改进行人重识别的精度。

常见的基于局部特征的行人重识别方法包括用强结构信息来定位身体局部区域、用建议区域特征提取及在网络中间层对显著的身体区域做特征增强；这些方法存在的主要问题是行人姿势或者遮挡的变化会影响局部特征的可靠性，只关注特定部分，并没有覆盖所有的可做行人区分的局部特征信息并且大部分方法都不是端到端的，增加了训练的难度和复杂度。

发明内容

为了克服现有技术存在的缺陷与不足，本发明提供一种基于全局和局部细粒度特征的行人重识别方法，改进以往的基于局部特征的行人重识别方法，利用残差网络结合全局和不同粒度的局部信息端到端地进行训练和测试，提高了识别的精度，更好地满足摄像头行人识别的要求。

为了达到上述目的，本发明采用以下技术方案：

本发明提供一种基于全局和局部细粒度特征的行人重识别方法，包括下述步骤：

获取行人图像，进行所述行人图像的数据预处理；

特征图像提取：采用残差网络建立图像特征提取通道，生成行人图像的高阶特征图；

构建行人重识别网络的全局分支、第一局部分支和第二局部分支；

训练行人重识别网络；

采用行人重识别网络的全局分支进行全局特征提取，得到全局特征；

采用行人重识别网络的第一局部分支和第二局部分支进行局部特征提取，得到局部特征；

将所述全局特征和局部特征通过张量连接，作为行人的最终特征表示，将检索行人的特征表示与查询库中其他行人在网络中输出的特征向量进行距离计算，按距离进行排序得出最终的相似度结果。

作为优选的技术方案，所述进行所述行人图像的数据预处理，所述数据预处理包括数据归一化、数据增广和随机擦除；

所述数据归一化具体步骤为：对行人图像进行归一化统一尺寸；

所述数据增广具体步骤为：对输入的行人图像进行水平翻转，增加图像数据数量；

所述随机擦除具体步骤为：对每张输入的行人图像随机选择图像中的矩形区域并删除对应像素。

作为优选的技术方案，所述矩形区域采用预设区域内的随机数乘以图像的统一尺寸生成。