[发明专利]一种基于多视角图像特征分解的行人再识别方法

摘要

本发明涉及智能图像检索技术领域，更具体而言，涉及一种基于多视角图像特征分解的行人再识别方法，从目标图像分类问题出发，结合胶囊网络，构建了行人图像多视角图像特征生成网络，将任意行人图像进行分解得到多视角图像特征以及该视角下的相似度。同视角特征直接用于再识别，不同视角特征则必须经过特征转换，本发明中使用BP神经网络获的了特征转换矩阵，解决了不同视视角特征的度量问题。实验表明通过行人图像的分解对提高行人再识别准确率有极大的帮助。

主权项

1.一种基于多视角图像特征分解的行人再识别方法，其特征在于，包括以下步骤：S1、在行人图像数据集中，选取标准图像，将选好的标准图像分成训练数据集和测试数据集，建立多视角图像特征分解神经网络的训练数据集和测试数据集；S2、将数据集中行人图像经过缩放或裁剪成分辨率为192×64的RGB图像，作为训练集和测试集；S3、将胶囊分类网络CapsuleNet设计为两层卷积层，两层胶囊层，得到改进后的胶囊网络；S4、对S3中改进的胶囊分类网络在S2中标准视角行人图像训练集上进行训练，构造多视角图像特征分解神经网络，生成任意行人图像在三种标准视角下的相似度和图像特征向量；S5、生成跨视角特征转换矩阵，计算跨视角特征转换系数矩阵；S6、选择行人图像相似度度量函数，实现行人再识别。