[發明專利]一種基于深度神經網絡的快速行人再識別方法

在審

• 申請號: 202010037806.3
• 申請日: 2020-01-14
• 公開（公告）號: CN111209886A
• 公開（公告）日: 2020-05-29
• 發明（設計）人: 潘志松;焦珊珊;白瑋;唐斯琪;李云波;陳坤峰;王家寶;施蕾
• 申請（專利權）人: 中國人民解放軍陸軍工程大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 董建林

1.一種基于深度神經網絡的快速行人再識別方法，其特征在于，所述方法包括如下步驟：

將待查行人圖片與圖片庫輸入至訓練好的模型中；

通過模型分別提取待查行人圖片與圖片庫中所有圖片的哈希特征；

計算待查行人圖片與圖片庫中所有圖片哈希特征的漢明距離；

根據漢明距離得出識別結果。

2.根據權利要求1所述的一種基于深度神經網絡的快速行人再識別方法，其特征在于：模型的訓練方法包括如下步驟：

將預處理后的圖像輸入網絡模型；

通過網絡模型提取多分辨率特征；

將多分辨率特征進行融合得到高維特征；

將高維特征轉化為哈希特征；

將哈希特征與對應圖像的標簽進行訓練得到模型。

3.根據權利要求1所述的一種基于深度神經網絡的快速行人再識別方法，其特征在于：圖像預處理的方法包括如下步驟：

將圖像分成若干組，每組圖片的數量為P×K張；

其中P表示行人ID數量，K表示每個ID的圖片數量；

每組中選擇若干圖片作為樣本。

4.根據權利要求1所述的一種基于深度神經網絡的快速行人再識別方法，其特征在于：所述樣本包括原樣本、正樣本和負樣本；所述原樣本為原始ID圖片，所述正樣本為與原樣本有相同ID的其他圖片，所述負樣本為與原樣本不同ID的其他圖片。

5.根據權利要求1所述的一種基于深度神經網絡的快速行人再識別方法，其特征在于：通過網絡模型提取多分辨率特征的方法包括如下步驟：

將圖像輸入網絡模型；

網絡模型通過交錯卷積得到多個相同語義級別不同分辨率的特征。

6.根據權利要求1所述的一種基于深度神經網絡的快速行人再識別方法，其特征在于：將多分辨率特征進行融合得到高維特征的方法包括如下步驟：

通過卷積層將多個不同分辨率的特征通道數提高到相同數值；

通過全局池化層將多個不同分辨率的特征轉化為相同大小；

通過數學公式將多個特征進行融合得到高維特征。

7.根據權利要求1所述的一種基于深度神經網絡的快速行人再識別方法，其特征在于：將高維特征轉化為哈希特征的方法包括如下步驟：

將高維特征分兩路進行監督學習；

通過兩路的互相促進得到哈希特征。

8.根據權利要求7所述的一種基于深度神經網絡的快速行人再識別方法，其特征在于：將高維特征分兩路進行監督學習的方法包括如下步驟：

將其中一路的高維特征通過損失函數監督學習；

將另一路的高維特征降維，得到哈希特征所需的比特長度，再通過tanh函數產生近似的哈希特征。

9.根據權利要求1所述的一種基于深度神經網絡的快速行人再識別方法，其特征在于：根據漢明距離得出識別結果的方法包括如下步驟：

對漢明距離進行相似度排序；

將漢明距離與預先設定的閾值進行比較；

若小于閾值則輸出圖片。