[發明專利]一種聯合多級特征的輕量行人重識別方法

有效

• 申請號: 202211680448.3
• 申請日: 2022-12-27
• 公開（公告）號: CN115841683B
• 公開（公告）日: 2023-06-20
• 發明（設計）人: 張云佐;康偉麗;劉亞猛;武存宇;張天;鄭宇鑫;朱鵬飛;霍磊;朱艷菊
• 申請（專利權）人: 石家莊鐵道大學
• 主分類號: G06V40/10
• 分類號: G06V40/10;G06V10/40;G06V10/80;G06V10/74;G06V10/82;G06V10/26;G06V10/764;G06V10/75
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種聯合多級特征的輕量行人重識別方法，所述方法包括以下步驟：將待識別行人圖像輸入由多注意力模塊嵌入的輕量行人重識別網絡中進行初步特征提取；通過特征加強提取網絡進一步提取行人圖像多粒度特征；將得到的細粒度特征通過特征融合模塊進行融合；構建損失函數，對網絡參數進行迭代優化；將最終提取到的行人圖像特征與圖像庫中的各個圖像進行相似性度量，輸出匹配列表。本發明保證了提取的行人圖像特征的鑒別性和魯棒性，有效平衡了模型識別精確度和復雜度。

技術領域

本發明涉及一種聯合多級特征的輕量行人重識別方法，屬于計算機視覺技術領域。

背景技術

隨著智能監控網絡的快速發展以及人們對公共安全需求的不斷增加，行人重識別已成為計算機視覺領域的研究熱點之一。我國視頻監控系統規模龐大，視頻監控系統每天不間斷的運作會產生海量的數據，如果安排人力對視頻數據進行監察和分析會造成低效率并且難以實現有效處理監控數據的情況，因此，如何在海量視頻監控數據中檢索有效的信息是當前值得研究的問題。行人重識別，也可稱為行人再識別，旨在解決跨鏡頭、跨場景下的行人識別與檢索問題，在智能安防領域得到了密切的關注。

行人重識別在智慧城市、智慧社區有重要的應用意義。在嫌犯追蹤時或社區尋人時，一個攝像頭往往無法覆蓋所有區域，僅通過一個攝像頭很難獲取行人路徑，當行人走出一個攝像頭范圍之外時，就需要在其他攝像頭中搜索出嫌犯以及行蹤，這時，行人重識別發揮著重要的作用。

近些年來，行人重識別已取得前所未有的進步。PCB算法，設計部分精煉池化策略使得條帶內部具有一致性，將特征沿高度方向劃分成多個條帶獲得行人圖像的局部特征；MGN設計兩個局部特征提取分支，分別將特征劃分成不同的條紋，實現對局部特征的提取。但是，這種直接將特征進行水平分割后進行特征匹配忽略了特征非對齊問題。為了解決這一問題，一些方法使用姿態估計算法進行關鍵點定位，解決特征非對齊問題，并解決遮擋物對行人圖像特征提取帶來的干擾。基于姿勢掩膜特征分支的方法，根據可見的行人圖像的身體部位自適應校準通道特征，實現在檢索時聚焦于可見部位的局部特征。PAII，通過姿態估計器獲取行人圖像的多粒度特征，將局部特征進行分組后與超參數結合實現語義特征對齊。但是這些方法在提取行人圖像局部特征時，使用姿勢估計算法，會引入一定的估計誤差，造成行人姿勢估計不準確，并且需要大量的標記和模型參數量，造成行人重識別的速度緩慢，實時性差。OSNet提出一種輕量行人重識別方法，獲取全尺度特征表示，達到具有競爭力的識別精度。但是以上這些方法都基于模型的高級特征進行特征提取，沒有利用低級特征豐富的細節信息。

雖然現有基于深度學習的行人重識別研究在提高行人重識別模型的準確率方面發展較為成熟，但是忽略了模型的復雜度和實時性，難以在終端進行部署，存在實時性差和模型冗余復雜等問題，并且已有輕量化模型的精度效果比較差，無法做好模型精確度和復雜度的平衡。

發明內容

針對現有方法中存在的問題，本發明的目的在于提供一種聯合多級特征的輕量行人重識別方法，包括以下步驟：

將待識別行人圖像輸入由多注意力模塊嵌入的輕量行人重識別網絡中進行初步特征提取；

通過特征加強提取網絡進一步提取行人圖像多粒度特征；

將得到的細粒度特征通過特征融合模塊進行融合；

構建損失函數，對網絡參數進行迭代優化；

將最終提取到的行人圖像特征與圖像庫中的各個圖像進行相似性度量，輸出匹配列表。

進一步的，整體框架包括主干網絡、高級語義特征提取分支(包含一個全局特征提取分支和一個局部特征提取分支)、低級細節特征提取分支(包含一個全局特征提取分支和一個局部特征提取分支)。

進一步的，所述多注意力模塊為串聯的通道注意力和空間注意力，通道注意力采用傳統卷積操作提取特征，空間注意力模塊采用自注意力機制對空間特征圖進行加權。