[發(fā)明專利]一種基于人體區(qū)域?qū)R化特征表達(dá)學(xué)習(xí)的行人再識別方法

在審

• 申請?zhí)枺?/td>: 201810046080.2
• 申請日: 2018-01-17
• 公開（公告）號: CN108345837A
• 公開（公告）日: 2018-07-31
• 發(fā)明（設(shè)計）人: 李璽;趙黎明;莊越挺
• 申請（專利權(quán)）人: 浙江大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 杭州求是專利事務(wù)所有限公司 33200
• 代理人: 傅朝棟;張法高

1.一種基于人體區(qū)域?qū)R化特征表達(dá)學(xué)習(xí)的行人再識別方法，其特征在于，包括以下步驟：

S1、獲取用于訓(xùn)練行人再識別的圖像數(shù)據(jù)集，圖像數(shù)據(jù)集中的每張圖片包含一個行人，且每個行人具有唯一的身份號標(biāo)注信息；

S2、基于行人身份號標(biāo)注信息，通過自動學(xué)習(xí)獲得符合語義內(nèi)容的若干個人體關(guān)鍵區(qū)域；

S3、在行人搜索過程中，對不同攝像頭捕獲到的行人圖像，根據(jù)S2中獲得的人體關(guān)鍵區(qū)域，在線下使用深度卷積神經(jīng)網(wǎng)絡(luò)模型提取每張圖像中各人體關(guān)鍵區(qū)域的深度特征；

S4、然后融合每張圖像中各人體關(guān)鍵區(qū)域的特征作為該圖像中最終的人體區(qū)域?qū)R化特征表達(dá)并存儲于數(shù)據(jù)庫中；

S5、針對查詢圖像中的人體區(qū)域?qū)R化特征表達(dá)，在線計算其與數(shù)據(jù)庫中各行人圖像的人體區(qū)域?qū)R化特征表達(dá)之間的相似度，并根據(jù)相似度返回行人再識別搜索結(jié)果，從而達(dá)到識別行人的目的。

2.如權(quán)利要求1所述的基于人體區(qū)域?qū)R化特征表達(dá)學(xué)習(xí)的行人再識別方法，其特征在于，行人再識別方法的算法目標(biāo)定義為：給定兩張行人圖像，判斷其包含的行人是否為同一個行人，即判斷兩張行人圖像的身份號標(biāo)注是否相同。

3.如權(quán)利要求1所述的基于人體區(qū)域?qū)R化特征表達(dá)學(xué)習(xí)的行人再識別方法，其特征在于，步驟S1中，所述的用于訓(xùn)練行人再識別的圖像數(shù)據(jù)集，包括監(jiān)控場景下不同攝像頭捕獲到的行人圖像，每張圖像包含一個行人，該行人有唯一對應(yīng)的身份號信息，不同攝像頭捕獲到同一個行人的圖像擁有相同的身份號標(biāo)注，不同行人的圖像擁有不同的身份號標(biāo)注。

4.如權(quán)利要求1所述的基于人體區(qū)域?qū)R化特征表達(dá)學(xué)習(xí)的行人再識別方法，其特征在于，步驟S2中，基于行人身份號標(biāo)注信息，通過自動學(xué)習(xí)獲得符合語義內(nèi)容的若干個人體關(guān)鍵區(qū)域，具體包括：

S21、對圖像數(shù)據(jù)集內(nèi)的所有N張圖像{I₁,I₂,…,I_N}按照行人身份號組合出不同的三元組{(I_a,I_b,I_c)}，其中(I_a,I_b)兩張圖像具有相同身份號，(I_a,I_c)兩張圖像具有不同身份號；

S22、使用卷積神經(jīng)網(wǎng)絡(luò)對三元組中的圖像進(jìn)行人體區(qū)域檢測訓(xùn)練，直至檢測得到K+1個人體關(guān)鍵區(qū)域，使得(I_a,I_b)兩張圖像對應(yīng)區(qū)域的特征相似度高于(I_a,I_c)兩張圖像對應(yīng)區(qū)域的特征相似度，K+1個人體關(guān)鍵區(qū)域中包括1個僅包含行人前景的區(qū)域M₀和K個子區(qū)域{M₁,M₂,…,M_k,…,M_K}。

5.如權(quán)利要求4所述的基于人體區(qū)域?qū)R化特征表達(dá)學(xué)習(xí)的行人再識別方法，其特征在于，步驟S3中，在線下使用深度卷積神經(jīng)網(wǎng)絡(luò)模型提取每張圖像中各人體關(guān)鍵區(qū)域的深度特征的具體方法為：

使用全卷積神經(jīng)網(wǎng)絡(luò)，對每張圖像提取深度特征圖T，根據(jù)學(xué)習(xí)到的每個人體關(guān)鍵區(qū)域M_i對深度特征進(jìn)行加權(quán)操作得到關(guān)鍵區(qū)域的特征表達(dá)F_i，即：

其中i＝0,1,…,K；為按元素的乘法運算。