[發(fā)明專利]一種用于行人識別的方法

有效

• 申請?zhí)枺?/td>: 201810103970.2
• 申請日: 2018-02-01
• 公開（公告）號: CN108229435B
• 公開（公告）日: 2021-03-30
• 發(fā)明（設計）人: 張師林;喬治;于航濱
• 申請（專利權(quán)）人: 北方工業(yè)大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04
• 代理公司: 北京德崇智捷知識產(chǎn)權(quán)代理有限公司 11467
• 代理人: 衛(wèi)麟

1.一種用于行人識別的方法，其特征在于，該方法依次包含如下步驟：

步驟1：構(gòu)建殘差卷積神經(jīng)網(wǎng)絡

所述殘差卷積神經(jīng)網(wǎng)絡包括行人圖像輸入層、模型層、分類層和損失層；其中損失層包括Softmax損失函數(shù)和中心損失函數(shù)，

所述Softmax損失函數(shù)為：

其中，x_i∈R^d表示第i個行人圖像的卷積神經(jīng)網(wǎng)絡特征,隸屬于第y_i個行人，d是該特征的維度；W_j∈R^d是網(wǎng)絡最后一層全連接層權(quán)重矩陣W∈R^d×n的第j列，n表示矩陣W的列數(shù)，m表示行人標識的個數(shù)；中心損失函數(shù)為：

其中,c_yi表示所有標識為y_i的行人的特征平均值；

步驟2：模型訓練

利用預設的行人標注圖像，對所述殘差卷積神經(jīng)網(wǎng)絡進行訓練，采用隨機梯度下降的方法，確定殘差網(wǎng)絡所有參數(shù)的取值，使分類層的損失達到損失最小，訓練完成后，網(wǎng)絡結(jié)構(gòu)去除分類層和損失層，剩余部分作為行人圖像特征提取的工具，得到最終的行人圖像特征提取模型M；

步驟3：建立待識別行人圖像數(shù)據(jù)庫

利用步驟2中得到的模型M提取每個行人的圖像特征,并形成行人特征數(shù)據(jù)庫D；對于通過相機新采集的行人圖像,使用模型M獲取特征x,依次計算x和行人特征數(shù)據(jù)庫D中第i個行人圖像的卷積神經(jīng)網(wǎng)絡特征x_i的相似度d(x,x_i)：

步驟4:檢索與重排序

按照相似度數(shù)值從小到大的順序，得到相似度最近的N個匹配行人，并將這個檢索集合記為A，對于這N個匹配出來的行人x_i，每一個行人特征再分別作為檢索圖像x，再依次從行人特征數(shù)據(jù)庫中檢索并得到N個匹配行人集合，記為B，如果A∩B的元素個數(shù)大于N的2/3，則x_i成為最終檢索出來的行人；對于初次檢索所得到的結(jié)果集合A，分別將A中的所有候選行人分別作為待檢索行人，繼續(xù)在行人特征數(shù)據(jù)集D中檢索，將所得到的每一個集合B，計算B和A的交集個數(shù)，如果這個數(shù)量大于N的2/3倍，則保留A中的待檢索行人作為檢索結(jié)果，否則在A中去除候選行人。