[发明专利]一种基于人体区域对齐化特征表达学习的行人再识别方法

摘要

本发明公开了一种基于人体区域对齐化特征表达学习的行人再识别方法。方法具体为：获取用于训练行人再识别的图像数据集，并定义算法目标；在仅借助行人身份号标注的情况下，自动学习符合语义内容的人体关键区域；根据这些关键区域使用深度卷积神经网络模型提取相应的深度特征；融合各自区域提取的特征作为最终的人体区域对齐化特征表达；计算行人图像之间的特征表达之间相似度，从而达到识别不同行人的目的；最后在实际的行人搜索应用中，对数据库中图像线下提取特征表达并存储，在行人搜索时在线进行相似度计算。本发明用于图像或视频数据中的行人特征表达学习，针对监控场景下的行人再识别问题能够达到效果鲁棒、准确度高、运行速度快等特点。

主权项

1.一种基于人体区域对齐化特征表达学习的行人再识别方法，其特征在于，包括以下步骤：S1、获取用于训练行人再识别的图像数据集，图像数据集中的每张图片包含一个行人，且每个行人具有唯一的身份号标注信息；S2、基于行人身份号标注信息，通过自动学习获得符合语义内容的若干个人体关键区域；S3、在行人搜索过程中，对不同摄像头捕获到的行人图像，根据S2中获得的人体关键区域，在线下使用深度卷积神经网络模型提取每张图像中各人体关键区域的深度特征；S4、然后融合每张图像中各人体关键区域的特征作为该图像中最终的人体区域对齐化特征表达并存储于数据库中；S5、针对查询图像中的人体区域对齐化特征表达，在线计算其与数据库中各行人图像的人体区域对齐化特征表达之间的相似度，并根据相似度返回行人再识别搜索结果，从而达到识别行人的目的。