[發(fā)明專利]基于三元組聚焦損失函數(shù)的行人再識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201810738336.6
• 申請(qǐng)日: 2018-07-06
• 公開(kāi)（公告）號(hào): CN109190446A
• 公開(kāi)（公告）日: 2019-01-11
• 發(fā)明（設(shè)計(jì)）人: 張世周;張艷寧;張琦;夏勇
• 申請(qǐng)（專利權(quán)）人: 西北工業(yè)大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62
• 代理公司: 西北工業(yè)大學(xué)專利中心 61204
• 代理人: 常威威

1.一種基于三元組聚焦損失函數(shù)的行人再識(shí)別方法，其特征在于步驟如下：

步驟1：假設(shè)訓(xùn)練數(shù)據(jù)集中有N幅圖像，將圖像分組，每組訓(xùn)練數(shù)據(jù)隨機(jī)挑選P個(gè)不同的行人，每個(gè)行人隨機(jī)選K幅不同的圖像，即一組訓(xùn)練數(shù)據(jù)包含P×K幅圖像，對(duì)于每組訓(xùn)練數(shù)據(jù)中的每一幅圖像，其本身為原樣本，和原樣本是相同行人的圖像為正樣本，和原樣本是不同行人的圖像為負(fù)樣本，原樣本、正樣本和負(fù)樣本共同構(gòu)成一個(gè)三元組；其中，P的取值范圍為25-35，K的取值范圍為2-5；

步驟2：選擇殘差網(wǎng)絡(luò)Resnet50為用于特征提取的卷積神經(jīng)網(wǎng)絡(luò)，并設(shè)置網(wǎng)絡(luò)的損失函數(shù)為以下三元組聚焦損失函數(shù)：

其中，L_TFL表示損失函數(shù)，表示原樣本與所有正樣本之間的最大歐式距離，表示原樣本與所有負(fù)樣本之間的最小歐式距離，σ表示高斯核空間映射參數(shù)，σ＝0.3，m表示人為設(shè)定的閾值參數(shù)，m＝0.3；

步驟3：將步驟1中得到的每組訓(xùn)練數(shù)據(jù)集分別輸入步驟2的卷積神經(jīng)網(wǎng)絡(luò)，并設(shè)置訓(xùn)練次數(shù)為300，學(xué)習(xí)率為2×10^-4，采用隨機(jī)梯度下降法進(jìn)行訓(xùn)練，得到訓(xùn)練好的網(wǎng)絡(luò)模型；

步驟4：先利用訓(xùn)練好的網(wǎng)絡(luò)模型對(duì)數(shù)據(jù)庫(kù)中的所有圖像進(jìn)行特征提取，得到每幅圖像的特征向量，利用訓(xùn)練好的網(wǎng)絡(luò)模型對(duì)待查詢行人圖像進(jìn)行特征提取，得到其特征向量；然后，計(jì)算待查詢行人圖像的特征向量和數(shù)據(jù)庫(kù)中每幅圖像的特征向量之間的歐式距離，并且按照歐式距離值從小到大對(duì)數(shù)據(jù)庫(kù)中對(duì)應(yīng)的圖像進(jìn)行排序，距離越近表示與待查詢行人圖像是同一個(gè)行人的可能性越大。