[發明專利]基于語義一致水平條和前景修正的行人重識別方法

有效

• 申請號: 202010918791.1
• 申請日: 2020-09-04
• 公開（公告）號: CN111783753B
• 公開（公告）日: 2020-12-15
• 發明（設計）人: 郭海云;朱寬;王金橋;唐明
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京市恒有知識產權代理事務所(普通合伙) 11576
• 代理人: 郭文浩;尹文會

本發明屬于計算機視覺和模式識別領域，具體涉及一種基于語義一致水平條和前景修正的行人重識別方法，旨在解決現有的行人重實別方法重實別魯棒性較差的問題。本發明方法包括：獲取待識別的圖像，作為輸入圖像；提取輸入圖像的特征，作為第一特征；基于第一特征，通過行人重識別模型中的行分類器分別獲取輸入圖像中行人對應的前景特征作為第二特征，獲取輸入圖像中行人各設定部位水平條區域的特征作為第三特征；將將第二特征與第三特征進行點對點相乘，并與第一特征拼接，得到第四特征；計算第四特征與圖像庫中各圖像對應特征的歐式距離并排序，將排序結果作為重識別結果進行輸出。本發明提高了行人重識別的魯棒性。

技術領域

本發明屬于計算機視覺和模式識別領域，具體涉及一種基于語義一致水平條和前景修正的行人重識別方法、系統、裝置。

背景技術

行人重識別屬于圖像檢索領域的一個子問題。給定一個行人圖像，行人重識別任務旨在找到其他場景下的該行人圖像。但是由于視角的變換、姿態的差異和物體的遮擋，導致人體的部位可能出現在圖片的任何位置。因此，學習一種能夠有效定位人體各個部位，并單獨提取出有足夠判別力的部位特征是十分重要的。

現有的基于部位對齊的行人重識別大概有四類：基于水平條的方法、基于包圍框的方法、基于注意力的方法和基于額外語義信息的方法。這其中，基于水平條方法因其方便快捷和相對較高的性能而尤其流行。其中，比較流行的有PCB、MGN、Pyramid等。PCB (YifanSun, Liang Zheng,Yi Yang,Qi Tian,Shengjin Wang.Beyond Part Models: PersonRetrieval with Refined Part Pooling (and A Strong Convolutional Baseline).ECCV, 2018)最早提出將行人圖片劃分成等高度得水平條，然后單獨對每一個水平條進行平均池化得到特征，并單獨計算損失。MGN (Guanshuo Wang, Yufeng Yuan, Xiong Chen,Jiwei Li.Learning discriminative features with multiple granularities forperson re-identification. ACM MM, 2018)和Pyramid(Zheng F , Deng C , Sun X ,et al. Pyramidal Person Re-IDentification via Multi-Loss Dynamic Training.CVPR, 2019.)在PCB的基礎上，設計了多粒度和有重疊的水平條，大大提升了算法的魯棒性。但是，以上方法都沒有解決以下兩個問題：(1)水平條高度和位置固定。由于姿態、視角的差異和遮擋等問題的影響，并不能保證每一個水平條內的語義都是一致的。但是以上方法采用固定水平條，并沒有嘗試解決這個問題。(2)背景噪聲的干擾。在每個水平條的內部，不可避免地會有背景信息的干擾，如何去除水平條內部的背景噪音，目前還沒有方法能夠解決。基于此，本發明提出了一種基于語義一致水平條和前景修正的行人重識別方法。

發明內容

為了解決現有技術中的上述問題，即為了解決現有的行人重識別方法由于水平條高度和位置固定、未消除背景噪聲，導致重識別魯棒性較差的問題，本發明提出了一種基于語義一致水平條和前景修正的行人重識別方法，該方法包括：

步驟S10，獲取待識別的圖像，作為輸入圖像；

步驟S20，通過行人重識別模型的特征提取層提取所述輸入圖像的特征，作為第一特征；

步驟S30，基于所述第一特征，通過行人重識別模型中預訓練的行分類器分別獲取所述輸入圖像中行人對應的前景特征作為第二特征，獲取所述輸入圖像中行人各設定部位水平條區域的特征作為第三特征；

步驟S40，將所述第二特征與所述第三特征進行點對點相乘，并與所述第一特征拼接，得到第四特征；