[發明專利]基于Siamese網絡結構融合中層特征的行人重識別方法

在審

• 申請號: 202010546270.8
• 申請日: 2020-06-16
• 公開（公告）號: CN111931802A
• 公開（公告）日: 2020-11-13
• 發明（設計）人: 張小瑞;陳旋;孫偉;宋愛國
• 申請（專利權）人: 南京信息工程大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06F16/583
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 柏尚春

1.一種基于Siamese網絡融合中層特征的行人重識別方法，其特征在于，包括以下步驟：

(1)預訓練DenseNet121網絡；

(2)調整DenseNet121網絡結構，搭建Siamese網絡；

(3)預處理訓練集，利用隨機擦除增強數據；

(4)用預處理的訓練集訓練Siamese網絡；

(5)使用訓練好的Siamese網絡模型，得到待查詢與圖像庫圖像特征；

(6)用余弦距離計算查詢與圖像庫圖像的相似度，將圖像庫圖像按相似度大小排列。

2.根據權利要求1所述的基于Siamese網絡融合中層特征的行人重識別方法，其特征在于：步驟(1)中，將ImageNet數據集作為訓練數據集，訓練一個DenseNet121網絡，使DenseNet121網絡具有初始值。

3.根據權利要求1所述的基于Siamese網絡融合中層特征的行人重識別方法，其特征在于：步驟(2)中，在DenseNet121中間層后加入SElayer得到中級特征，最后層加入SElayer得到高級特征，將中級特征與高級特征相融合，在調整后的DenseNet121后添加兩個全連接層，構建ID分類網絡，將兩個ID分類網絡做并行連接，并行網絡間加入一個對比層和一個全連接層構建驗證網絡，搭建一個完善的Siamese網絡。

4.根據權利要求1所述的基于Siamese網絡融合中層特征的行人重識別方法，其特征在于：步驟(3)中，采用隨機擦除的數據增廣方法對圖像進行隨機的遮攔，以增強模型學習能力。

5.根據權利要求1所述的基于Siamese網絡融合中層特征的行人重識別方法，其特征在于：步驟(4)中，采用ID損失和驗證損失聯合的損失L優化Siamese網絡。

6.根據權利要求1所述的基于Siamese網絡融合中層特征的行人重識別方法，其特征在于：步驟(5)中，得到待查詢圖像特征feature₁與圖像庫圖像特征feature₂。

7.根據權利要求1所述的基于Siamese網絡融合中層特征的行人重識別方法，其特征在于：步驟(6)中，余弦距離d計算公式為：

式中，feature₁為待查詢圖像特征，feature₂為圖像庫圖像特征。

圖像庫圖像根據余弦距離按相似度大小排列，返回最相似行人圖像。