[发明专利]一种基于局部特征注意力的行人重识别方法和装置

权利要求书

1.一种基于局部特征注意力的行人重识别方法，其特征在于，包括如下步骤：

S1：获取原始监控视频图像数据集，并将原始监控视频图像数据集按比例划分训练集与测试集；

S2：将原始监控视频图像训练集进行图像增强得到增强图像，并将所述增强图像按照图像的高度宽度通道数进行切割，得到网格图像序列；

S3：使用行人重识别神经网络对增强图像进行特征序列提取，得到图像中所有物体特征序列；

S4：针对已提取的图像中所有物体特征序列，采用多头注意力机制捕捉行人局部特征序列；

S5：采用全连接层与激活函数，将行人局部特征序列通过权值矩阵组合成完整行人特征序列；

S6：将已得到行人特征序列进行预测，确定行人在图像中的位置坐标；

S7：根据已得到的行人位置坐标和原始监控视频图像数据集中的图像标注样本坐标，计算行人特征序列预测交并比；

S8：采用残差连接对行人重识别神经网络迭代训练，得到行人重识别检测模型；

S9：将测试集输入行人重识别检测模型输出行人识别结果。

2.如权利要求1所述的一种基于局部特征注意力的行人重识别方法，其特征在于：所述步骤S1中所述原始监控视频图像数据集包括图像标注样本、图像标注样本坐标文件、未标注样本。

3.如权利要求1所述的一种基于局部特征注意力的行人重识别方法，其特征在于：所述步骤S2的具体子步骤如下：

S21：将彩色图像转变为灰度图像；

S22：采用直方图均衡将视频监控图像从相对集中的灰度间隔转变为整个灰度范围内的均匀分布，采用非线性拉伸图像并重新分配图像像素值，使灰度范围大致相同；

S23：使用伽玛校正检测图像信号部分和浅色部分中的暗色，并增加二者的比率以提高图像对比度效果；

S24：将增强图像按照图像的高度宽度通道数进行切割，得到网格图像序列，将网格图像大小转换成行人重识别神经网络的可接收的输入大小，将每个网格图像序列转换成二维矩阵，作为行人重识别神经网络的输入。

4.如权利要求3所述的一种基于局部特征注意力的行人重识别方法，其特征在于：所述步骤S24中，所述网格图像序列长度等于网格图像大小乘以网格图像高度乘以网格图像宽度，采用线性网络将大小不相同的网格图像映射成可被行人重识别神经网络接收，且输入大小固定的带令牌特征的网格图像，把每个令牌特征的网格图像平铺构成序列，序列包含网格图像位置编码，再将每个网格图像序列转换成二维矩阵。

5.如权利要求1所述的一种基于局部特征注意力的行人重识别方法，其特征在于：所述步骤S3的具体过程为：通过计算和统计图像局部区域的梯度方向直方图构成特征序列，通过梯度的方向密度分布描述局部目标的表象和形状。

6.如权利要求1所述的一种基于局部特征注意力的行人重识别方法，其特征在于：所述步骤S4的具体过程为：针对网格图像每个像素，计算每个像素相邻的局部自注意力，采用局部多头自注意力机制，二维矩阵转换成并行矩阵计算，捕捉行人局部特征序列。

7.如权利要求1所述的一种基于局部特征注意力的行人重识别方法，其特征在于：所述步骤S5的具体过程为：采用二层全连接层与激活函数方式，针对已捕捉的行人特征序列经过第一层全连接层并激活，得到符合行人局部特征序列存在的部分神经元，根据提取到的行人局部特征序列进行组合并输入到第二层全连接层神经元处，经过组合得到完整行人特征序列。

8.如权利要求1所述的一种基于局部特征注意力的行人重识别方法，其特征在于：所述步骤S6的具体过程为：将行人特征序列输入行人重识别神经网络，采用多头注意力进行计算，检测行人特征序列元素有多少在网格图像中心点上，计算中心到网格图像边界的距离，从而得出行人位置坐标，根据得出的位置坐标画出行人在视频监控图像边界框。