[发明专利]一种基于行人属性自适应学习的无监督行人再识别方法在审
| 申请号： | 201910927014.0 | 申请日： | 2019-09-27 |
| 公开（公告）号： | CN110728216A | 公开（公告）日： | 2020-01-24 |
| 发明（设计）人： | 张顺;万帅 | 申请（专利权）人： | 西北工业大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06T7/246;G06N3/08 |
| 代理公司： | 61204 西北工业大学专利中心 | 代理人： | 常威威 |
| 地址： | 710072 *** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于行人属性自适应学习的无监督行人再识别方法。首先，利用带标注的源视频集预训练调整过的ResNet50网络，得到预训练行人属性CNN模型；然后，在无任何标记的目标视频集上充分利用目标视频集的时空约束信息在线生成训练样本；接着，将生成的训练样本输入到Triplet网络，对预训练的行人CNN模型进行参数微调，得到更具判别性的行人特征；最后，利用已经训练好的网络进行行人特征提取和相似性度量，实现行人再识别。本发明方法所学到的特征具有更强的鲁棒性和判别性，能显著提升行人再识别的准确率，扩展行人再识别的应用范围。 | ||
| 搜索关键词： | 目标视频 训练样本 相似性度量 自适应学习 参数微调 时空约束 特征提取 训练调整 在线生成 网络 鲁棒性 无监督 源视频 准确率 标注 应用 | ||
【主权项】：
1.一种基于行人属性自适应学习的无监督行人再识别方法，其特征在于步骤如下：/n步骤1，行人属性CNN预训练：/n设行人再识别源视频集共包含N张行人图片，每个行人含有m个行人属性，使用调整过的ResNet50模型对数据集中的行人图片同时预测m个行人属性的类别，并与真实属性类别计算二值交叉熵损失函数；/n所述的调整过的ResNet50模型是指将ResNet50模型中含有1000神经元的全连接层换成含有m个神经元的全连接层，且使用ImageNet数据集预训练过的ResNet50模型；/n步骤2，基于视频上下文时空约束收集样本数据集：/n应用公开的行人检测器对目标视频中的每一帧图像进行行人检测，得到行人检测响应集X＝{x
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西北工业大学，未经西北工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910927014.0/，转载请声明来源钻瓜专利网。
