[发明专利]一种基于深度特征重构的遮挡行人重识别方法

摘要

本发明公开了一种基于深度特征重构的遮挡行人重识别方法，包括如下步骤，步骤1.1：给定待匹配的带遮挡行人的图像；步骤1.2：设计特征提取网络FPSN；步骤1.3：给待匹配图像Pd和Pc中的行人进行姿态预测，得到行人骨架；步骤2.1：根据骨架将图像Pd和Pc中的行人划分为头部，左右躯干以及上下腿部五个子图部分；步骤3.1：将图像Pdb和Pcb行分别放入FPSN网络中进行特征提取；步骤3.3，用Y中的块yj对X中任意的小块xi进行稀疏重构；步骤4.1：计算xi与yj的余弦相似度tij；步骤4.2：计算xi与Y之间的距离di；步骤4.3：根据式(1)计算图像Pd和Pc之间相似度；本发明的优点是：利用行人姿态估计，深度学习以及特征重构的方法，将行人图像进行子区域划分和遮挡部分处理。

主权项

1.一种基于深度特征重构的遮挡行人重识别方法，其特征在于，包括如下步骤：/n步骤1.1：给定待匹配的带遮挡行人的图像，归一化到固定大小，分别记为P_d和P_c；/n步骤1.2：设计特征提取网络FPSN，该网络以Resnet作为网络主干并去掉最后的平均池化层和softmax层；/n步骤1.3：利用姿态估计算法给待匹配图像P_d和P_c中的行人进行姿态预测，得到行人骨架；/n步骤2.1：根据骨架将图像P_d中的行人划分为头部，左右躯干以及上下腿部五个子图部分，并将被遮挡而没有划分出的区域进行涂黑，将这张图像命名为P_db；/n步骤2.2：根据骨架将图像P_c中的行人划分为头部，左右躯干以及上下腿部五个子图部分，并将被遮挡而没有划分出的区域进行涂黑，将这张图像命名为P_cb；/n步骤3.1：将图像P_db和P_cb行分别放入FPSN网络中进行特征提取，分别得到一张W×H×D的特征图，记为P_df和P_cf，其中W代表宽度，H代表高度，D代表通道数；/n步骤3.2：将特征图P_df和P_cf分别分为W×H个小块，其中每个小块的大小为1×1×D，特征图P_df划分的M个小块集合记为X，X＝{x_i|i＝1,2,…,M}，特征图P_cf划分的N个小块集合记为Y，Y＝{y_j|j＝1,2,…,N}；/n步骤3.3：，用Y中的块y_j对X中任意的小块x_i进行稀疏重构，得到x_i相对于Y的稀疏系数为w_i；/n步骤4.1：计算x_i与y_j的余弦相似度t_ij；/n步骤4.2：计算x_i与Y之间的距离d_i：/nd_i＝min{(||x_i-w_iy_k||₂-λt_ikw_i)|k＝1,2,…,N} (1)/n其中，参数λ是提前设置的控制参数，min表示求集合中的最小值，||·||₂表示给定向量的2范数，y_k表示Y中的一个小块，t_ik表示x_i与y_k的余弦相似度；/n步骤4.3：根据式(1)计算图像P_d和P_c之间相似度：/n /n其中，M表示步骤3.2中特征图P_df划分的小块数量；/n步骤4.4：给定阈值T，若D(P_d,P_c)≥T，认定图像P_d和P_c为相似。/n