[發明專利]一種基于深度學習的跨場景行人搜索方法

在審

• 申請號: 201510977881.7
• 申請日: 2015-12-23
• 公開（公告）號: CN105631413A
• 公開（公告）日: 2016-06-01
• 發明（設計）人: 舒泓新;蔡曉東;宋宗濤;王愛華
• 申請（專利權）人: 中通服公眾信息產業股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/46
• 代理公司: 濟南智圓行方專利代理事務所(普通合伙企業) 37231
• 代理人: 劉爾才

1.一種基于深度學習的跨場景行人搜索方法，其特征在于，所述方法包括：

步驟S101：構建樣本庫，對樣本庫中的每張圖片進行尺寸歸一化和分割預處理，每張圖片均得到對應的上半身圖像和下半身圖像，經上述處理后，樣本庫包括兩組圖像集，分別為上半身圖像集和下半身圖像集；

步驟S102：構建卷積神經網絡，將步驟S101得到的上半身圖像集和下半身圖像集分別輸入到卷積神經網絡進行訓練，得到訓練好的卷積神經網絡模型；

步驟S103：將步驟S101得到的兩組圖像集輸入到訓練好的卷積神經網絡模型，得到與兩組圖像集對應的上半身局部特征向量集和下半身局部特征向量集，然后將同一圖像對應的上半身局部特征向量和下半身局部特征向量融合，從而得到該圖像的全局特征向量，對樣本庫中所有圖像進行相同處理得到與樣本庫所有圖片一一對應的全局特征向量；

步驟S104：將待搜索圖片經過尺寸歸一化和分割預處理后，輸入到訓練好的卷積神經網絡模型，將得到的上半身局部特征向量和下半身局部特征向量融合，得到待搜索圖片對應的全局特征向量；

步驟S105：通過余弦相似度將步驟S104得到的與待搜索圖片對應的全局特征向量，與步驟S103得到的與樣本庫圖片對應的全局特征向量，依次進行比對，輸出一組相似度值，并將相似度值按照排序算法進行排序，得到最大相似度值對應的樣本庫中的圖片。

2.根據權利要求1所述的基于深度學習的跨場景行人搜索方法，其特征在于，所述樣本庫是由利用Hog特征和SVM分類器，對監控視頻的視頻幀進行行人檢測，獲取的完整行人圖片組成。

3.根據權利要求1或2所述的基于深度學習的跨場景行人搜索方法，其特征在于，所述步驟S101和所述步驟S104中，所述尺寸歸一化具體為：將圖像統一歸一化為60×160像素；所述分割預處理是將圖像分割為上一半圖像和下一半圖像，且上一半圖像與下一半圖像有重疊部分，所述重疊部分至少占整張圖像的1/3，經所述分割預處理的圖像均得到與人體上半身圖像對應的上一半圖像和與人體下半身圖像對應的下一半圖像。

4.根據權利要求1-3任一項所述的基于深度學習的跨場景行人搜索方法，其特征在于，所述步驟S102中，所述卷積神經網絡包括四層卷積池化層和三層全連接層。