[发明专利]基于Siamese网络结构融合中层特征的行人重识别方法

权利要求书

1.一种基于Siamese网络融合中层特征的行人重识别方法，其特征在于，包括以下步骤：

(1)预训练DenseNet121网络；

(2)调整DenseNet121网络结构，搭建Siamese网络；

(3)预处理训练集，利用随机擦除增强数据；

(4)用预处理的训练集训练Siamese网络；

(5)使用训练好的Siamese网络模型，得到待查询与图像库图像特征；

(6)用余弦距离计算查询与图像库图像的相似度，将图像库图像按相似度大小排列。

2.根据权利要求1所述的基于Siamese网络融合中层特征的行人重识别方法，其特征在于：步骤(1)中，将ImageNet数据集作为训练数据集，训练一个DenseNet121网络，使DenseNet121网络具有初始值。

3.根据权利要求1所述的基于Siamese网络融合中层特征的行人重识别方法，其特征在于：步骤(2)中，在DenseNet121中间层后加入SElayer得到中级特征，最后层加入SElayer得到高级特征，将中级特征与高级特征相融合，在调整后的DenseNet121后添加两个全连接层，构建ID分类网络，将两个ID分类网络做并行连接，并行网络间加入一个对比层和一个全连接层构建验证网络，搭建一个完善的Siamese网络。

4.根据权利要求1所述的基于Siamese网络融合中层特征的行人重识别方法，其特征在于：步骤(3)中，采用随机擦除的数据增广方法对图像进行随机的遮拦，以增强模型学习能力。

5.根据权利要求1所述的基于Siamese网络融合中层特征的行人重识别方法，其特征在于：步骤(4)中，采用ID损失和验证损失联合的损失L优化Siamese网络。

6.根据权利要求1所述的基于Siamese网络融合中层特征的行人重识别方法，其特征在于：步骤(5)中，得到待查询图像特征feature₁与图像库图像特征feature₂。

7.根据权利要求1所述的基于Siamese网络融合中层特征的行人重识别方法，其特征在于：步骤(6)中，余弦距离d计算公式为：

式中，feature₁为待查询图像特征，feature₂为图像库图像特征。

图像库图像根据余弦距离按相似度大小排列，返回最相似行人图像。