[發(fā)明專利]一種基于深度特征重構(gòu)的遮擋行人重識(shí)別方法有效
| 申請(qǐng)?zhí)枺?/td> | 201910765422.0 | 申請(qǐng)日: | 2019-08-19 |
| 公開(kāi)(公告)號(hào): | CN110472591B | 公開(kāi)(公告)日: | 2022-03-25 |
| 發(fā)明(設(shè)計(jì))人: | 高飛;金一鳴;盧書(shū)芳;張?jiān)Q;程振波;肖剛 | 申請(qǐng)(專利權(quán))人: | 浙江工業(yè)大學(xué) |
| 主分類(lèi)號(hào): | G06V40/10 | 分類(lèi)號(hào): | G06V40/10;G06V10/75;G06V10/764;G06K9/62 |
| 代理公司: | 杭州浙科專利事務(wù)所(普通合伙) 33213 | 代理人: | 吳秉中 |
| 地址: | 310014 *** | 國(guó)省代碼: | 浙江;33 |
| 權(quán)利要求書(shū): | 查看更多 | 說(shuō)明書(shū): | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 深度 特征 遮擋 行人 識(shí)別 方法 | ||
1.一種基于深度特征重構(gòu)的遮擋行人重識(shí)別方法,其特征在于,包括如下步驟:
步驟1.1:給定待匹配的帶遮擋行人的圖像,歸一化到固定大小,分別記為Pd和Pc;
步驟1.2:設(shè)計(jì)特征提取網(wǎng)絡(luò)FPSN,該網(wǎng)絡(luò)以Resnet作為網(wǎng)絡(luò)主干并去掉最后的平均池化層和softmax層;
步驟1.3:利用姿態(tài)估計(jì)算法給待匹配圖像Pd和Pc中的行人進(jìn)行姿態(tài)預(yù)測(cè),得到行人骨架;
步驟2.1:根據(jù)骨架將圖像Pd中的行人劃分為頭部、左軀干、右軀干、上腿部、以及下腿部五個(gè)子圖部分,并將被遮擋而沒(méi)有劃分出的區(qū)域進(jìn)行涂黑,將這張圖像命名為Pdb;
步驟2.2:根據(jù)骨架將圖像Pc中的行人劃分為頭部、左軀干、右軀干、上腿部以及下腿部五個(gè)子圖部分,并將被遮擋而沒(méi)有劃分出的區(qū)域進(jìn)行涂黑,將這張圖像命名為Pcb;
步驟3.1:將圖像Pdb和Pcb行分別放入FPSN網(wǎng)絡(luò)中進(jìn)行特征提取,分別得到一張W×H×D的特征圖,記為Pdf和Pcf,其中W代表寬度,H代表高度,D代表通道數(shù);
步驟3.2:將特征圖Pdf和Pcf分別分為W×H個(gè)小塊,其中每個(gè)小塊的大小為1×1×D,特征圖Pdf劃分的M個(gè)小塊集合記為X,X={xi|i=1,2,…,M},特征圖Pcf劃分的N個(gè)小塊集合記為Y,Y={yj|j=1,2,…,N};
步驟3.3:用Y中的塊yj對(duì)X中任意的小塊xi進(jìn)行稀疏重構(gòu),得到xi相對(duì)于Y的稀疏系數(shù)為wi;
步驟4.1:計(jì)算xi與yj的余弦相似度tij;
步驟4.2:計(jì)算xi與Y之間的距離di:
di=min{(||xi-wiyk||2-λtikwi)|k=1,2,…,N} (1)
其中,參數(shù)λ是提前設(shè)置的控制參數(shù),min表示求集合中的最小值,||·||2表示給定向量的2范數(shù),yk表示Y中的一個(gè)小塊,tik表示xi與yk的余弦相似度;
步驟4.3:根據(jù)式(2)計(jì)算圖像Pd和Pc之間相似度:
其中,M表示步驟3.2中特征圖Pdf劃分的小塊數(shù)量;
步驟4.4:給定閾值T,若D(Pd,Pc)≥T,認(rèn)定圖像Pd和Pc為相似。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于浙江工業(yè)大學(xué),未經(jīng)浙江工業(yè)大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購(gòu)買(mǎi)此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201910765422.0/1.html,轉(zhuǎn)載請(qǐng)聲明來(lái)源鉆瓜專利網(wǎng)。





