[发明专利]一种基于深度学习的行人重识别方法和系统

摘要

本发明属于深度学习技术领域，具体涉及一种基于深度学习的行人重识别方法和系统。所述方法执行以下步骤：步骤S1：设定层建立识别模型，依次执行第一次关键点检测、第一次行人特征提取、系统建立和设定分类器的步骤；步骤S2：识别层对待检测样本进行识别，依次执行第二次关键点检测、第二次行人特征获取、匹配识别、结果提取和熵值检测的步骤；步骤S3：根据熵值检测的结果，判断是否满足熵值测评指标，将判断结果反馈至设定层。具有识别准确、智能化程度高和结构简单的优点。

主权项

1.一种基于深度学习的行人重识别方法，其特征在于，所述方法执行以下步骤：步骤S1：设定层建立识别模型，依次执行第一次关键点检测、第一次行人特征提取、系统建立和设定分类器的步骤；步骤S2：识别层对待检测样本进行识别，依次执行第二次关键点检测、第二次行人特征获取、匹配识别、结果提取和熵值检测的步骤；其中，所述熵值检测的步骤包括以下步骤：步骤S2.1：在结果提取步骤中，提取的结果的基础上，选取第n个灰度阶像素点的个数Nn获取xn和mn，mn为多项式输入的整数部分，xn为多项式输入的小数部分，Nn为自然数，n为大于等于0小于等于n的整数，n为图像分块的灰度阶数；对数函数拟合的计算模块，用于将Nn作为第n个时钟周期的信号值，根据xn和mn获取所述多项式的拟合输出log2Nn，包括：k+1个计算单元，每个所述计算单元包括一个子求和模块及t个子乘积模块，k为所述拟合多项式的阶数，t为大于等于0小于等于2的整数，其中，在第一个计算单元至第k个计算单元中，第r个计算单元用于向第r+1个计算单元输出第k+1个计算单元用于输出其中，xn和mn根据预设的公式获得，mn为整数，r为大于等于1小于等于k的整数，p0～pk为多项式系数；步骤S2.2：将所述log2Nn的拟合输出与Nn相乘；步骤S2.3：将所述log2Nn的拟合输出作为log2Nn；以及计算p减去所述累加模块的输出值以获得该结果提取的结果的熵值检测的结果，其中，p＝log2P，P为该图像分块的像素总数；步骤S3：根据熵值检测的结果，判断是否满足熵值测评指标，将判断结果反馈至设定层。