[發明專利]一種基于多視圖的特征融合車輛再識別方法

在審

• 申請號: 202110586256.5
• 申請日: 2021-05-27
• 公開（公告）號: CN113283507A
• 公開（公告）日: 2021-08-20
• 發明（設計）人: 付先平;姚冰;蔣廣琪;彭錦佳;王輝兵
• 申請（專利權）人: 大連海事大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04
• 代理公司: 大連至誠專利代理事務所(特殊普通合伙) 21242
• 代理人: 張海燕;謝冰

1.一種基于多視圖的特征融合車輛再識別方法，其特征在于，包括：

構建多視角特征信息融合網絡；所述多視角特征信息融合網絡包括：ResNet網絡、通道去除網絡及特征圖融合網絡；

將展現車輛特征的第一特征圖輸入至所述ResNet網絡；

所述ResNet網絡對所述第一特征圖進行改變圖片維度、解決退化問題和保存重要特征處理，得到第二特征圖并輸出至所述通道去除網絡；

所述通道去除網絡通過去除所述第二特征圖中的部分通道特征，來提取所述第二特征圖中所涵蓋的注意力特征，得到第三特征圖并輸出至所述特征圖融合網絡；

所述特征圖融合網絡包括多個分支網絡和用于融合特征圖的連接層；多個分支網絡分別提取所述第三特征圖中的特征，再將各自提取的特征輸出至所述連接層進行特征融合，生成第四特征圖后從所述多視角特征信息融合網絡輸出。

2.根據權利要求1所述的一種基于多視圖的特征融合車輛再識別方法，其特征在于，所述ResNet網絡，包括：ConvBlock模塊和IdentityBlock模塊；所述ConvBlock模塊用于改變圖片維度；所述IdentityBlock模塊用于解決退化問題和保存重要特征；所述ResNet網絡將神經元的數量等價于所述車輛的標號。

3.根據權利要求2所述的一種基于多視圖的特征融合車輛再識別方法，其特征在于，所述通道去除網絡的網絡結構基于ResNet網絡，通過將隨機的Dropout層增加到全局平均池化層的上一層，來隨機去除空間域注意力集中的像素。

4.根據權利要求3所述的一種基于多視圖的特征融合車輛再識別方法，其特征在于，所述通道去除網絡通過去除所述第二特征圖中的部分通道特征，來提取所述第二特征圖中所涵蓋的注意力特征，包括：

輸入的所述第二特征圖t∈R^C×H×W；所述通道去除網絡使用1×1的卷積核減少網絡輸入的通道數，同時產生所述第二特征圖形狀大小為被減少維度的數組，然后Dropout分支隨機將數組中像素值置為0，此過程由式(1)、(2)表示為：

式中，C指的是輸入特征圖的通道數，X為通道矩陣，X_i,j指的是在特征通道j上的通道i對j的特征補償；A是通過對輸入特征t進行reshape而得到的特征矩陣；

通過式(2)得到所述第二特征圖中所涵蓋的注意力特征；

M＝X×t (2)

式中，M代表的是網絡輸出注意力特征；C_e為M中的通道；

將像素值置為0，被去除的通道矩形區域的比率設置為r_e；計算網絡輸出注意力特征M的均值mean＝Mean(M)，同時將輸出值從上至下排序；最上面的特征r_e×C被選擇設置為0。

5.根據權利要求4所述的一種基于多視圖的特征融合車輛再識別方法，其特征在于，所述特征圖融合網絡包括：ResNetBlock2、ResNetBlock3、ResNetBlock4三個分支網絡，每個分支網絡中均使用空間注意網絡和引導注意力網絡去定位特征圖不同的特征和改變特征的維度。