[发明专利]一种基于动态遮挡样本的行人再识别方法

摘要

本发明实施例公开了一种基于动态遮挡样本的行人再识别方法，该方法包括：构建原始图像特征学习网络框架；将训练集的行人图像输入，得到n个局部特征，对于所述局部特征学习优化，将得到的n个优化局部特征串联起来作为训练行人图像的原始图像特征；构建生成器；产生遮挡的行人图像；将遮挡的行人图像输入所述生成器，得到n个局部特征，对于所述局部特征学习优化，将得到的n个局部特征串联起来作为遮挡图像特征；利用所述原始图像特征和遮挡图像特征得到所述训练行人图像的最终特征，并利用所述训练行人图像的最终特征进行行人再识别。本发明充分利用卷积神经网络的优势，学习行人的原始图像特征和遮挡图像特征，最终融合两种特征来表示行人图像，进一步提高了行人再识别的匹配正确率。

主权项

1.一种基于动态遮挡样本的行人再识别方法，其特征在于，所述方法包括以下步骤：步骤S1，利用预训练深度学习模型构建原始图像特征学习网络框架；步骤S2，将训练集的行人图像输入构建的网络框架，得到训练行人图像的n个局部特征，利用交叉熵函数对于所述局部特征学习优化，将得到的n个优化局部特征串联起来作为所述训练行人图像的原始图像特征；步骤S3，利用所述预训练深度学习模型构建生成器来学习遮挡图像特征；步骤S4，将与学习原始图像特征相同的训练行人图像输入到所述生成器中，在第l个卷积层后提取卷积注意力图，并计算所述卷积注意力图中最显著的区域；步骤S5，将所述卷积注意力图中最显著的区域映射到所述训练行人图像中，并利用一个随机常数进行遮挡，产生遮挡的行人图像；步骤S6，将遮挡的行人图像输入所述生成器，得到遮挡行人图像的n个局部特征，利用交叉熵函数对于所述局部特征学习优化，将得到的n个优化局部特征串联起来作为遮挡图像特征；步骤S9，利用所述原始图像特征和遮挡图像特征得到所述训练行人图像的最终特征，并利用所述训练行人图像的最终特征进行行人再识别。