[發明專利]一種基于注意力機制與空間幾何約束的行人重識別方法

在審

• 申請號: 202110096021.8
• 申請日: 2021-01-25
• 公開（公告）號: CN112818790A
• 公開（公告）日: 2021-05-18
• 發明（設計）人: 馬淼;王云濤;潘海鵬
• 申請（專利權）人: 浙江理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 杭州中成專利事務所有限公司 33212
• 代理人: 金祺

本發明屬于計算機視覺領域，特別涉及一種基于注意力機制與空間幾何約束的行人重識別方法，包括如下步驟：S1、獲取行人圖像并輸入到上位機中；S2、建立和訓練行人重識別模型，行人重識別模型包括ResNet50+SEnet網絡和特征處理模塊，特征處理模塊包括全局特征分支和局部特征分支；S3、行人重識別并輸出結果。本發明分析并設計了一種ResNet50網絡與SEnet注意力機制分組結合的行人身份重識別網絡，通過優化SEnet注意力機制的作用位置，深度挖掘行人身份的顯著性特征，有效提高了行人身份重識別網絡的判別能力。

技術領域

本發明屬于計算機視覺領域，特別涉及一種基于注意力機制與空間幾何約束的行人重識別方法。

背景技術

行人重識別(Person re-identification)也稱行人再識別，指在多個攝像頭中，給定一張某攝像頭拍攝的待識別行人圖像，在不同的攝像頭中檢索出與待識別行人具有相同身份的行人圖像。隨著人工智能技術的發展，計算機視覺已廣泛應用于諸如智能家居，視頻監控和智能交通等人類日常生活中，行人重識別是這些領域的關鍵問題之一。在行人重識別任務中，通常伴隨著相機角度、場景變化、行人姿態變化等問題，從而影響行人重識別的準確率。

早期的行人重識別方法主要是一些基于手工構造的特征和距離度量，手工構造的特征是人為設計出一些具有較強魯棒性的特征提取方法用來獲取行人的外觀特征，距離度量是運用或設計距離計算方法，使得不同身份行人圖像之間的距離盡可能遠，相同身份行人圖像之間的距離盡可能近，但是這些方法難以滿足如今行人重識別對準確率的高要求。隨著深度學習的迅猛發展，其在行人重識別領域也起到了重要的推動作用，為了提高行人重識別的準確率，并有效針對行人重識別任務中相機角度、場景變化、行人姿態變化等問題，因此需要一種基于注意力機制與空間幾何約束的行人重識別方法。

發明內容

本發明要解決的技術問題是提供一種基于注意力機制與空間幾何約束的行人重識別方法，本發明能有效提高行人身份重識別網絡的判別能力。

為了解決上述技術問題，本發明提供一種基于注意力機制與空間幾何約束的行人重識別方法，包括步驟如下：

S1、獲取行人圖像并輸入到上位機中；

S2、建立和訓練行人重識別模型，行人重識別模型包括ResNet50+SEnet網絡和特征處理模塊，特征處理模塊包括全局特征分支和局部特征分支；

S3、行人重識別并輸出結果

S3.1、在行人圖像中指定目標行人圖像，然后將行人圖像，包括指定的目標行人圖像，輸入到行人重識別模型；

S3.2、通過ResNet50+SEnet網絡提取行人圖像的空間特征，將空間特征輸入特征處理模塊；

S3.3、空間特征通過全局特征分支得到256維全局特征，同時空間特征通過局部特征分支得到15個256維局部特征，然后將256維全局特征和15個256維局部特征相互融合計算得到目標行人的身份特征與各行人圖像對應的行人身份特征；

S3.4、計算目標行人的身份特征與各行人圖像對應的行人身份特征的歐氏距離，并從低到高排序，排序過程中去除與目標行人圖像同一相機拍攝的行人圖像的計算結果，將排序結果作為行人重識別結果并在上位機中輸出。

作為本發明一種基于注意力機制與空間幾何約束的行人重識別方法的改進：

S2.1、所述建立行人重識別模型包括建立行人重識別模型和訓練使用的行人重識別模型，訓練使用的行人重識別模型包括ResNet50+SEnet網絡和訓練使用的特征處理模塊：

S2.1.1、建立ResNet50+SEnet網絡

輸入的行人圖像先經過第1組卷積，然后經過4組卷積+注意力模塊的組合輸出行人的空間特征；