[发明专利]一种行人重识别方法、装置、设备及存储介质

权利要求书

1.一种行人重识别方法，其特征在于，包括：

获取提取待识别的行人图像得到的需输入至多分支的多个输入特征图；

融合每个所述输入特征图得到相应的融合特征图，计算所述融合特征图中每个通道对应特征图的统计量，得到包含每个通道对应统计量的统计量向量，基于不同的包含全连接层的结构对所述统计量向量进行学习，得到分别与每个所述输入特征图对应的重要性向量，并基于所述重要性向量确定每个所述输入特征图对应的权重向量；其中，任一输入特征图对应的权重向量包含该任一输入特征图中各通道的权重；

将每个所述输入特征图及对应权重向量进行加权求和，得到对应的输出特征图，基于所述输出特征图得到待识别特征，将所述待识别特征与数据库中各标准特征进行比对，并确定与所述待识别特征匹配的标准特征的行人为待识别的行人图像中包含的行人。

2.根据权利要求1所述的方法，其特征在于，基于所述重要性向量确定每个所述输入特征图对应的权重向量，包括：

对每个所述重要性向量进行归一化，得到分别与每个所述输入特征图对应的第一权重向量；并且，将每个所述重要性向量中相同位置的元素组成对应的向量，得到相应的多个重组向量，对每个所述重组向量进行归一化，利用每个所述重组向量中每个元素的值替换所述重要性向量中相同元素的值，得到分别与每个所述输入特征图对应的第二权重向量；

将分别与每个所述输入特征图对应的所述第一权重向量及所述第二权重向量进行融合，得到分别与每个所述输入特征图对应的权重向量。

3.根据权利要求2所述的方法，其特征在于，将分别与每个所述输入特征图对应的所述第一权重向量及所述第二权重向量进行融合，包括：

按照下列公式将分别与每个所述输入特征图对应的所述第一权重向量及所述第二权重向量进行融合：

W_i＝α_iP_i+β_iQ_i

其中，P_i为第i个输入特征图的第一权重向量，Q_i为第i个输入特征图的第二权重向量，α_i及β_i均为可训练第i个输入特征图对应的超参数，W_i为第i个输入特征图的权重向量。

4.根据权利要求3所述的方法，其特征在于，对每个所述重要性向量及所述重组向量进行归一化，包括：

利用softmax函数对每个所述重组向量进行归一化，利用sigmoid函数对每个所述重要性向量进行归一化。

5.根据权利要求4所述的方法，其特征在于，基于所述输出特征图得到待识别特征，包括：

依次基于Global Pooling层、两个全连接层及softmax函数对所述输出特征图进行处理，得到相应的待识别特征。

6.根据权利要求5所述的方法，其特征在于，所述包含全连接层的结构依次包括第一全连接层、第一激活函数、第二全连接层及第二激活函数，且不同的包含全连接层的结构中参数的值不完全相同。

7.根据权利要求6所述的方法，其特征在于，确定与所述待识别特征匹配的标准特征的行人为待识别的行人图像中包含的行人之后，还包括：

将待识别的行人图像中包含的行人对应的行人标识进行记录及显示。