[發(fā)明專利]一種基于深度神經(jīng)網(wǎng)絡(luò)的快速行人再識別方法

在審

• 申請?zhí)枺?/td>: 202010037806.3
• 申請日: 2020-01-14
• 公開（公告）號: CN111209886A
• 公開（公告）日: 2020-05-29
• 發(fā)明（設(shè)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(quán)）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(chǎn)權(quán)代理有限公司 32224
• 代理人: 董建林

本發(fā)明公開了一種基于深度神經(jīng)網(wǎng)絡(luò)的快速行人再識別方法，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(xùn)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(jù)漢明距離得出識別結(jié)果，該方法通過將哈希編碼引入深度神經(jīng)網(wǎng)絡(luò)代替高維特征可以提高檢索效率，并且損失的精度較少，能夠在匹配速度和精度之間達到一個較好的平衡。

技術(shù)領(lǐng)域

本發(fā)明涉及卷積神經(jīng)網(wǎng)絡(luò)和圖像檢索領(lǐng)域，具體涉及一種基于深度神經(jīng)網(wǎng)絡(luò)的快速行人再識別方法。

背景技術(shù)：

行人再識別技術(shù)是指給定一個待查人員的圖像，在多個不重疊的攝像頭拍攝的畫面中，找到該名行人出現(xiàn)的所有圖片。因其可以廣泛應(yīng)用于監(jiān)控安防、商業(yè)分析和數(shù)據(jù)挖掘等領(lǐng)域，近年來這一技術(shù)成為計算機視覺的一個熱門研究方向。隨著攝像頭成本的降低和圖像質(zhì)量越來越高，用于行人再識別的圖像數(shù)量和質(zhì)量都呈上升趨勢。現(xiàn)有的行人再識別算法都是以提高識別精度為目的，往往以很大的存儲空間和計算量為代價，這對實際應(yīng)用帶來很大的困難。目前的一些快速行人再識別方法，又損失了很多的準確率來提高計算速度。為了解決上述技術(shù)問題，需要提出新的能夠適應(yīng)大數(shù)據(jù)量的行人再識別算法，使其能夠更好的滿足應(yīng)用場景的需求，提取更加魯棒的特征，從而提高最終的正確識別率和計算效率。

本發(fā)明的創(chuàng)新點主要表現(xiàn)在，首先分析了多分辨率特征可以解決行人再識別中的遮擋、視角變換、光照變化造成的困難場景，并在此基礎(chǔ)上提出了一個多分辨率特征融合的辦法，該方法能夠讓圖像提取的特征更魯棒，更好的適應(yīng)于實際應(yīng)用場景。最后，通過將高維特征轉(zhuǎn)換為哈希特征，提高了識別效率，滿足了應(yīng)用需求。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于深度神經(jīng)網(wǎng)絡(luò)的快速行人再識別方法，以解決現(xiàn)有技術(shù)中現(xiàn)有的行人再識別方法需要很大的計算量和更多的存儲空間的缺陷。

一種基于深度神經(jīng)網(wǎng)絡(luò)的快速行人再識別方法，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(xùn)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(jù)漢明距離得出識別結(jié)果。

進一步的，模型的訓(xùn)練方法包括如下步驟：

將預(yù)處理后的圖像輸入網(wǎng)絡(luò)模型；

通過網(wǎng)絡(luò)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(zhuǎn)化為哈希特征；

將哈希特征與對應(yīng)圖像的標簽進行訓(xùn)練得到模型。

進一步的，圖像預(yù)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(shù)量為P×K張；

其中P表示行人ID數(shù)量，K表示每個ID的圖片數(shù)量；

每組中選擇若干圖片作為樣本。

進一步的，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。

進一步的，通過網(wǎng)絡(luò)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(wǎng)絡(luò)模型；

網(wǎng)絡(luò)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。

進一步的，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(shù)提高到相同數(shù)值；