[發明專利]一種二值化三元組孿生網絡模型的行人重識別方法及系統

在審

• 申請號: 201910369005.4
• 申請日: 2019-05-05
• 公開（公告）號: CN110084215A
• 公開（公告）日: 2019-08-02
• 發明（設計）人: 周芳宇;陳淑榮
• 申請（專利權）人: 上海海事大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04
• 代理公司: 上海元好知識產權代理有限公司 31323
• 代理人: 徐雯瓊;章麗娟

1.一種二值化三元組孿生網絡模型的行人重識別系統，其特征在于，包含：

三路卷積神經網絡，其分別輸入正樣本、負樣本與檢測樣本圖像，提取對應的圖像特征；每個卷積神經網絡包含：輸入層，其提取樣本圖像對的特征；卷積層，與所述輸入層連接，用于提取所述圖像樣本的圖像特征；池化層，與所述卷積層連接，通過降維處理得到特定特征區域，并整合成具體維度值的特征向量，發送給全連接層；其中，每路的所述卷積神經網絡的卷積層、池化層和全連接層相同且權值參數共享，且對權值參數進行二值化以及對每路卷積神經網絡中卷積層與池化層之間的激活函數值進行二值化；

歸一化分類層，其與所述三路卷積神經網絡的各個全連接層連接，將所述卷積神經網絡輸出的特征進行分類和歸一化；

誤差損失驗證函數模塊，其與所述歸一化分類層連接，接收所述歸一化分類層輸出的樣本特征，進行樣本對的相似性計算。

2.如權利要求1所述的二值化三元組孿生網絡模型的行人重識別系統，其特征在于，

所述歸一化分類層為Softmax層；

所述Softmax層的Softmax Loss函數的公式為：

其中，L是損失；y是指向量；Sj是softmax層的輸出向量S的第j個值，表示的是當前樣本屬于第j個類別的概率。

3.如權利要求1所述的二值化三元組孿生網絡模型的行人重識別系統，其特征在于，

所述誤差函數模塊為Triplet loss驗證函數；

所述Triplet loss驗證函數的方法為：

選擇一圖片作為檢測樣本，設置正樣本與檢測樣本為同一個人的圖像以及負樣本為檢測樣本不同的人的圖像，構建獲得由檢測樣本、正樣本和負樣本組成的三元組；

通過所述三元組孿生網絡模型的，使所述檢測樣本與正樣本的距離更近以及使所述檢測樣本與所述負樣本的距離更遠；

當所述正樣本示例距離與檢測樣本之間的距離近到設定距離時，則所述檢測樣本的圖片與正樣本圖片為同一行人，當所述負樣本距離與檢測樣本之間的距離遠到設定距離時，則所述檢測樣本的圖片與負樣本的圖片為不同行人。

4.如權利要求1所述的二值化三元組孿生網絡模型的行人重識別系統，其特征在于，

所述二值化過程中，將權值和卷積層與池化層之間的激活函數值二值化為1或-1，采用基于符號函數Sign的確定性方法，如下式所示：

其中，對于激活函數值，直接使用式(2)的二值化函數得到二值化的值；

對于權值，通過在更新權值參數時將超出[-1,1]的部分進行裁剪，以保持在[-1,1]之間，再使用式(2)的二值化函數得到二值化的值。

5.如權利要求1所述的二值化三元組孿生網絡模型的行人重識別系統，其特征在于，進一步包含以下過程：

當獲得任一層的激活函數值后，在使用權重參數時，將權重二值化，再與前一層神經元節點二值化后的激活函數值相乘，以此類推進行權重參數的傳播與更新，再進行批標準化使卷積神經網絡訓練過程中使得每一層神經網絡的輸入保持相同分布。

6.如權利要求4或5所述的二值化三元組孿生網絡模型的行人重識別系統，其特征在于，

所述權值的二值化過程中的參數傳播和更新步驟為：

S1、開始二值化；

S2、判斷迭代是否完成，若是，則結束，若否，則繼續執行步驟S3；

S3、對每層權值進行二值化并計算損失；

S4、計算損失對二值化權值的導數；

S5、對浮點權值進行更新，并跳轉至所述步驟S2，直至迭代結束。

7.一種基于如權利要求1-6任意一項所述的二值化三元組孿生網絡模型的行人重識別系統，其特征在于，

提取圖像對的圖像特征，所述圖像對包含正樣本、負樣本與檢測樣本圖像；

三元組孿生網絡模型的三路卷積神經網絡分別提取正樣本、負樣本與檢測樣本圖像的特征進行訓練，得到輸出的特征值，并根據該特征值與設定值的差距，調整模型的權值矩陣，獲得訓練后的三元組孿生網絡模型；其中，每路的所述卷積神經網絡的卷積層、池化層和全連接層相同且權值參數共享，且對權值參數進行二值化以及對每路卷積神經網絡中卷積層與池化層之間的激活函數值進行二值化；

對特征值進行分類歸一化，獲得圖像的特征表；

將檢測樣本與正樣本的距離更近以及使檢測樣本與負樣本的距離更遠；當正樣本示例距離與檢測樣本之間的距離近到設定距離時，則檢測樣本的圖片與正樣本圖片為同一行人，當負樣本距離與檢測樣本之間的距離遠到設定距離時，則檢測樣本的圖片與負樣本的圖片為不同行人。