[发明专利]一种多视角下的多粒度特征聚合目标重识别方法及系统

权利要求书

1.一种多视角下的多粒度特征聚合目标重识别方法，其特征在于，包括：

构建多视角神经网络，通过所述多视角神经网络获取目标对象多个视角的目标特征，所述多视角神经网络包括卷积神经网络和分类输出层，图像经过所述卷积神经网络进行特征提取后，输入所述分类输出层获取不同视角的目标特征输出；

基于设定时间段内各目标对象的所述目标特征，构建多粒度超图；

输入待查询目标图像，从所述多粒度超图中获取所述待查询目标图像的邻近特征集；

将所述待查询目标图像的邻近特征集与所述多粒度超图中各目标对象的邻近特征集进行相似度比对，获取目标对象重识别结果，包括：通过Jaccard距离度量邻近特征集之间的相似度，选出相似度达到设定阈值的邻近特征集对应的目标对象作为重识别输出，相似度计算方式表示为：

其中，I_i，I_j分别表示两帧图像，R(I_i,k)表示图像I_i的邻近特征集。

2.根据权利要求1所述的多视角下的多粒度特征聚合目标重识别方法，其特征在于，将包含预先标注的不同视角图像集输入所述多视角神经网络，通过交叉熵构造损失函数，采用反向传播更新网络参数，对所述多视角神经网络进行预训练。

3.根据权利要求2所述的多视角下的多粒度特征聚合目标重识别方法，其特征在于，所述损失函数表示为：

其中，y_i为对应视角的标签，为分类预测结果，N为视角数量。

4.根据权利要求1所述的多视角下的多粒度特征聚合目标重识别方法，其特征在于，所述目标对象包括行人、车辆。

5.根据权利要求1所述的多视角下的多粒度特征聚合目标重识别方法，其特征在于，从所述多粒度超图中获取所述待查询目标图像的邻近特征集，包括：

计算所述多粒度超图中各目标特征间的欧氏距离，获取与待查询目标图像对应的特征距离最近的前K个目标特征；

获取所述K个目标特征中每个目标特征的邻集，选出各邻集中包含待查询目标图像对应特征的邻集组成所述待查询目标图像的邻近特征集。

6.一种多视角下的多粒度特征聚合目标重识别系统，其特征在于，包括：

网络构建模块，用于构建多视角神经网络，通过所述多视角神经网络获取目标对象多个视角的目标特征，所述多视角神经网络包括卷积神经网络和分类输出层，图像经过所述卷积神经网络进行特征提取后，输入所述分类输出层获取不同视角的目标特征输出；

超图构建模块，用于基于设定时间段内各目标对象的所述目标特征，构建多粒度超图；

特征集获取模块，用于输入待查询目标图像，从所述多粒度超图中获取所述待查询目标图像的邻近特征集；

识别模块，用于将所述待查询目标图像的邻近特征集与所述多粒度超图中各目标对象的邻近特征集进行相似度比对，获取目标对象重识别结果，包括：通过Jaccard距离度量邻近特征集之间的相似度，选出相似度达到设定阈值的邻近特征集对应的目标对象作为重识别输出，相似度计算方式表示为：

其中，I_i，I_j分别表示两帧图像，R(I_i,k)表示图像I_i的邻近特征集。