[發(fā)明專利]一種行人重識(shí)別領(lǐng)域中的非監(jiān)督關(guān)鍵幀挑選方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110003753.8
• 申請(qǐng)日: 2021-01-04
• 公開（公告）號(hào): CN112733695B
• 公開（公告）日: 2023-04-25
• 發(fā)明（設(shè)計(jì)）人: 羅嘯宇;殷光強(qiáng);李耶;游長(zhǎng)江;楊曉宇
• 申請(qǐng)（專利權(quán)）人: 電子科技大學(xué)
• 主分類號(hào): G06V20/40
• 分類號(hào): G06V20/40;G06V20/52;G06V10/762;G06V10/764;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 成都其高專利代理事務(wù)所(特殊普通合伙) 51244
• 代理人: 廖曾

1.一種行人重識(shí)別領(lǐng)域中的非監(jiān)督關(guān)鍵幀挑選方法，其特征在于：包括下述步驟：

1)輸入N個(gè)具有T幀的行人的連續(xù)視頻片段至基礎(chǔ)網(wǎng)絡(luò)中提取出特征圖F，且F∈R^{N×T×c×h×w}；其中，N代表視頻片段的個(gè)數(shù)，T代表單個(gè)視頻片段中幀的長(zhǎng)度，c代表特征圖F的通道數(shù)，h和w分別代表特征圖F的高度和寬度；所述基礎(chǔ)網(wǎng)絡(luò)采用去掉最后兩層的ResNet-50而得到的改進(jìn)的ResNet-50神經(jīng)網(wǎng)絡(luò)；所述改進(jìn)的ResNet-50神經(jīng)網(wǎng)絡(luò)包括一個(gè)7*7核的卷積層、3*3核的池化層以及連接在池化層后的四個(gè)小模塊，且四個(gè)小模塊分別設(shè)置有3個(gè)、4個(gè)、6個(gè)、3個(gè)殘差模塊；四個(gè)小模塊中的所述殘差模塊采用統(tǒng)一形式，皆設(shè)置有一個(gè)1*1核的卷積層、3*3核的卷積層和1*1核的卷積層；在任一殘差模塊的1*1核的卷積層和3*3核的卷積層之間皆設(shè)置有歸一化層；

2)將特征圖F輸入到關(guān)鍵幀提取單元，得到池化層后的特征圖輸出F’；

3)利用層次聚類法，對(duì)特征圖輸出F’進(jìn)行聚類，生成偽標(biāo)簽；

4)將步驟3)所生成的偽標(biāo)簽當(dāng)做真實(shí)標(biāo)簽，利用交叉熵?fù)p失函數(shù)Loss_kf經(jīng)多次迭代訓(xùn)練關(guān)鍵幀提取網(wǎng)絡(luò)，且交叉熵?fù)p失函數(shù)Loss_kf的計(jì)算公式為：其中，L_ij代表第i個(gè)行人的第j幀，生成的偽標(biāo)簽，其中L_iji∈N,j∈T；

5)將每次迭代訓(xùn)練時(shí)關(guān)鍵幀提取網(wǎng)絡(luò)最后的FC層進(jìn)行分類，并從特征圖輸出F’的分類中各挑選出一個(gè)作為關(guān)鍵幀的特征組成集合其中，F(xiàn)_k^*代表一個(gè)關(guān)鍵幀的特征，F(xiàn)_k’代表所有關(guān)鍵幀的特征組成的集合，即得輸入樣本的關(guān)鍵幀的特征的集合，從而對(duì)應(yīng)到原來(lái)的特征提取單元的輸入，找到對(duì)應(yīng)的幀即為關(guān)鍵幀。

2.根據(jù)權(quán)利要求1所述的一種行人重識(shí)別領(lǐng)域中的非監(jiān)督關(guān)鍵幀挑選方法，其特征在于：所述關(guān)鍵幀提取單元設(shè)置有兩個(gè)1*1的卷積層、一個(gè)池化層和一個(gè)全連接層。