[發明專利]一種基于人工特征與深度特征融合的行人重識別方法

在審

• 申請號: 202010020432.4
• 申請日: 2020-01-09
• 公開（公告）號: CN111274873A
• 公開（公告）日: 2020-06-12
• 發明（設計）人: 李雪;李銳;金長新
• 申請（專利權）人: 濟南浪潮高新科技投資發展有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/46;G06K9/62
• 代理公司: 濟南信達專利事務所有限公司 37100
• 代理人: 姜明

1.一種基于人工特征與深度特征融合的行人重識別方法,其特征在于,分為以下步驟,

S101、行人檢測：選用半監督的學習方法，用深度學習目標的方法定位行人的位置信息得到坐標值，學習位置區域的圖像特征信息，簡化數據標記；

S102、特征提取與特征融合：選用人工特征和深度特征融合的方法對圖像進行特征表示，人工特征選用Dense-SIFT特征，深度特征選用卷積神經網絡；

S103、特征距離度量：選用標準特征度量方法-歐式距離度量特征之間的距離，判讀是否為同一個人；

S104、離線建模：利用步驟S103中提取的特征訓練離線模型；

S105、在線檢索：對視頻幀圖像進行候選目標行人檢索，對其進行行人檢測和特征提取，選擇距離最短的特征作為選定目標。

2.根據權利要求1所述的一種基于人工特征與深度特征融合的行人重識別方法，其特征在于，在步驟S101中，訓練行人檢測模型，對視頻逐幀進行檢測，選取不同時段內作為背景幀圖像，提取背景幀后，采用基于LBP紋理的減背景方法，對背景進行建模，背景建模后，逐幀圖像與背景圖像進行匹配，分離背景與前景圖像，分離圖像背景以及前景行人信息。

3.根據權利要求2所述的一種基于人工特征與深度特征融合的行人重識別方法，其特征在于，進行分離背景與前景圖像時，統計一個區域內的紋理構建紋理直方圖，對圖像進行表示，當獲取新的視頻圖像后，計算其紋理直方圖與背景圖比較，設置閾值，判斷前景信息，逐一比較當前幀的像素點LBP紋理直方圖與背景圖對應位置像素的紋理直方圖，若大于閾值則為前景。

4.根據權利要求1所述的一種基于人工特征與深度特征融合的行人重識別方法，其特征在于，在步驟S102中，人工特征選用Dense-SIFT特征，所述特征多用于特征匹配技術，Dense-SIFT特征可以完成不同攝像頭中同一個目標的特征匹配，用于在同一行人不同的監控視頻中，避免出現較大的差別。

5.根據權利要求4所述的一種基于人工特征與深度特征融合的行人重識別方法，其特征在于，深度特征采用分類損失函數和三元組損失函數的混合損失函數訓練卷積神經網絡，進行特征學習，得到圖像幀的高層語義特征。

6.根據權利要求1所述的一種基于人工特征與深度特征融合的行人重識別方法，其特征在于，特征融合后選用標準特征度量方法-歐式距離來度量特征之間的距離，計算特征間的歐式距離會賦予所有特征相同的權重。

7.根據權利要求6所述的一種基于人工特征與深度特征融合的行人重識別方法，其特征在于，權重的選擇為人工特征和深度特征對分類操作的貢獻度，將所述的貢獻度作為距離度量是的權重。

8.根據權利要求1所述的一種基于人工特征一深度特征融合的行人重識別方法，其特征在于，在步驟S105中，不同特征對于分類的貢獻度不同，將其對于分類的精度作為特征的權重添加到歐式距離度量方法中，標準方法中對每一類特征權重相同，度量待檢測圖像的特征與訓練圖像的特征距離，選擇距離最短的特征作為選定的目標。