[發(fā)明專利]一種基于注意力機(jī)制與空間幾何約束的行人重識別方法

在審

• 申請?zhí)枺?/td>: 202110096021.8
• 申請日: 2021-01-25
• 公開（公告）號: CN112818790A
• 公開（公告）日: 2021-05-18
• 發(fā)明（設(shè)計(jì)）人: 馬淼;王云濤;潘海鵬
• 申請（專利權(quán)）人: 浙江理工大學(xué)
• 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(wù)所有限公司 33212
• 代理人: 金祺

本發(fā)明屬于計(jì)算機(jī)視覺領(lǐng)域，特別涉及一種基于注意力機(jī)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(jī)中；S2、建立和訓(xùn)練行人重識別模型，行人重識別模型包括ResNet50+SEnet網(wǎng)絡(luò)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(jié)果。本發(fā)明分析并設(shè)計(jì)了一種ResNet50網(wǎng)絡(luò)與SEnet注意力機(jī)制分組結(jié)合的行人身份重識別網(wǎng)絡(luò)，通過優(yōu)化SEnet注意力機(jī)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(wǎng)絡(luò)的判別能力。

技術(shù)領(lǐng)域

本發(fā)明屬于計(jì)算機(jī)視覺領(lǐng)域，特別涉及一種基于注意力機(jī)制與空間幾何約束的行人重識別方法。

背景技術(shù)

行人重識別(Person re-identification)也稱行人再識別，指在多個(gè)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(shù)的發(fā)展，計(jì)算機(jī)視覺已廣泛應(yīng)用于諸如智能家居，視頻監(jiān)控和智能交通等人類日常生活中，行人重識別是這些領(lǐng)域的關(guān)鍵問題之一。在行人重識別任務(wù)中，通常伴隨著相機(jī)角度、場景變化、行人姿態(tài)變化等問題，從而影響行人重識別的準(zhǔn)確率。

早期的行人重識別方法主要是一些基于手工構(gòu)造的特征和距離度量，手工構(gòu)造的特征是人為設(shè)計(jì)出一些具有較強(qiáng)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(yùn)用或設(shè)計(jì)距離計(jì)算方法，使得不同身份行人圖像之間的距離盡可能遠(yuǎn)，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(zhǔn)確率的高要求。隨著深度學(xué)習(xí)的迅猛發(fā)展，其在行人重識別領(lǐng)域也起到了重要的推動作用，為了提高行人重識別的準(zhǔn)確率，并有效針對行人重識別任務(wù)中相機(jī)角度、場景變化、行人姿態(tài)變化等問題，因此需要一種基于注意力機(jī)制與空間幾何約束的行人重識別方法。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問題是提供一種基于注意力機(jī)制與空間幾何約束的行人重識別方法，本發(fā)明能有效提高行人身份重識別網(wǎng)絡(luò)的判別能力。

為了解決上述技術(shù)問題，本發(fā)明提供一種基于注意力機(jī)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(jī)中；

S2、建立和訓(xùn)練行人重識別模型，行人重識別模型包括ResNet50+SEnet網(wǎng)絡(luò)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(jié)果

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

S3.2、通過ResNet50+SEnet網(wǎng)絡(luò)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(shí)空間特征通過局部特征分支得到15個(gè)256維局部特征，然后將256維全局特征和15個(gè)256維局部特征相互融合計(jì)算得到目標(biāo)行人的身份特征與各行人圖像對應(yīng)的行人身份特征；

S3.4、計(jì)算目標(biāo)行人的身份特征與各行人圖像對應(yīng)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(biāo)行人圖像同一相機(jī)拍攝的行人圖像的計(jì)算結(jié)果，將排序結(jié)果作為行人重識別結(jié)果并在上位機(jī)中輸出。

作為本發(fā)明一種基于注意力機(jī)制與空間幾何約束的行人重識別方法的改進(jìn)：

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(xùn)練使用的行人重識別模型，訓(xùn)練使用的行人重識別模型包括ResNet50+SEnet網(wǎng)絡(luò)和訓(xùn)練使用的特征處理模塊：

S2.1.1、建立ResNet50+SEnet網(wǎng)絡(luò)

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