[發明專利]一種基于圖片分塊丟棄的分集多支路行人重識別方法

在審

• 申請號: 202110784276.3
• 申請日: 2021-07-12
• 公開（公告）號: CN113537032A
• 公開（公告）日: 2021-10-22
• 發明（設計）人: 吳曉富;張譽馨;張索非;顏俊
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南京蘇科專利代理有限責任公司 32102
• 代理人: 姚姣陽

1.一種基于圖片分塊丟棄的分集多支路行人重識別方法，其特征在于，所述行人重識別方法包含以下步驟：

S1：構建多分支卷積神經網絡；

S2：針對不同分支采用不同比率的分塊裁切操作對訓練圖片數據進行預處理；

S3：采用雙批次數據聯合訓練的方法訓練神經網絡模型；

S4：采用交叉熵、三元組損失函數、中心損失函數的加權形式作為總損失函數訓練模型權重；

S5：將神經網絡所有支路的行人特征進行特征拼接融合，得到總特征，給定測試圖片通過總特征計算距離度量，獲得相似性匹配結果。

2.根據權利要求1所述的一種基于圖片分塊丟棄的分集多支路行人重識別方法，其特征在于，步驟S1中，所述多分支卷積神經網絡包含主干網以及全局支路、l個局部支路，其中l≥1。

3.根據權利要求1所述的一種基于圖片分塊丟棄的分集多支路行人重識別方法，其特征在于，所述預處理步驟中，對于一個批次的訓練數據X∈R^b×h×w×c，

其中，b、h、w、c分別為每批次圖片張數、高、寬、通道數；

圖像高、寬的分塊丟棄比率分別為r_h、r_w；

其中，0≤r_h，r_w≤1，

隨機生成的高、寬大小分別為r_h×h、r_w×w的分塊像素丟棄區域，將丟棄區域內的像素值均置為零，每隔Q個訓練批次重新隨機生成丟棄區域位置，其中Q≥1。

4.根據權利要求3所述的一種基于圖片分塊丟棄的分集多支路行人重識別方法，其特征在于，所述預處理步驟中，對于l個局部支路，采用不同的高度比率r_h對輸入訓練數據進行分塊丟棄操作，r_h分別設置為l個不同的值，寬度比率r_w保持為1。

5.根據權利要求3所述的一種基于圖片分塊丟棄的分集多支路行人重識別方法，其特征在于，所述預處理步驟中，對于全局支路，不對輸入的訓練數據進行分塊丟棄操作。

6.根據權利要求3所述的一種基于圖片分塊丟棄的分集多支路行人重識別方法，其特征在于，預處理步驟還包括寬高歸一化為128×384、隨機翻轉、隨機裁切、隨機擦除。

7.根據權利要求1所述的一種基于圖片分塊丟棄的分集多支路行人重識別方法，其特征在于，步驟S3中，所述雙批次數據聯合訓練包括以下步驟：

S3.1：將一個完整訓練批次的圖片數據均分為兩個子批次，對其中一個子批次圖片進行步驟S2中所述的圖像分塊丟棄處理，之后再將兩個子批次合并為一個完整批次送入主干網絡提取對應特征圖；

S3.2：將主干網絡提取到的特征圖再次分為兩個子批次，將對應經過分塊丟棄處理的特征圖子批次作為輸入進入局部支路，未經過分塊丟棄處理的特征圖子批次進入全局支路；

S3.3：調整高度比率r_h后，重復多次訓練網絡，每次訓練保留模型局部支路權重，將l個對應不同高度比率r_h的局部支路、一個全局支路和主干網絡組合成完整l+1個分支網絡，用于測試數據的分集特征提取。

8.根據權利要求1所述的一種基于圖片分塊丟棄的分集多支路行人重識別方法，其特征在于，步驟S4中,所述采用三種損失函數對網絡權重進行優化，分別為交叉熵誤差函數L_CE、三元組損失函數L_Triplet、中心損失函數L_center，最終損失函數可表示為：

L_total＝L_CE+γ_tL_Triplet+γ_cL_center，

其中γ_t和γ_c為權重系數，通過最終損失函數對網絡整體權重進行優化。

9.根據權利要求1所述的一種基于圖片分塊丟棄的分集多支路行人重識別方法，其特征在于，步驟S5中，所述特征拼接融合包括以下步驟：

S5.1：將測試圖片輸入主干網絡；

S5.2：將主干網提取的特征分別送入全局支路以及l個局部支路；

S5.3：將l+1個支路的輸出特征拼接后根據歐式距離構建相似度矩陣；

S5.4：根據距離大小進行排序，得到檢索候選結果，完成行人重識別任務。