欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2023107602805
申请人: 华东交通大学
专利类型:发明专利
专利状态:未下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种行人重识别方法,其特征在于,所述方法包括:获取历史行人图像,并对所述历史行人图像进行特征提取,得到与每份所述历史行人图像分别对应的特征张量;

沿着水平坐标和垂直坐标分别对所述特征张量进行编码,得到水平特征和垂直特征,并将所述水平特征和所述垂直特征进行级联转换,以得到在水平方向和在垂直方向上的中间特征图,并根据在水平方向和在垂直方向上的中间特征图获取注意力特征图;

根据所述注意力特征图获取池化核域中每个激活值所对应的激活权重,以根据所述激活权重对池化核域内所有激活值的加权求和,得到输出值 ;

将所述输出值 编码映射到欧式空间,以计算出样本的类中心,并根据样本的类中心计算出类中心三元组损失,并根据所述类中心三元组损失迭代训练出行人重识别模型;

将待识别的行人图像输入到所述行人重识别模型,以通过所述类中心三元组损失对待识别的行人图像进行聚类表示,得到最终的识别结果。

2.根据权利要求1所述的行人重识别方法,其特征在于,所述获取历史行人图像,并对所述历史行人图像进行特征提取,得到与每份所述历史行人图像分别对应的特征张量的步骤包括:对输入的行人图像进行预处理,并将预处理得到的输出张量 以特征通道所在维度进行划分,将一半的行人特征图 进行IN计算,另一半行人的特征图 进行BN计算,以分别得到特征 和特征 ,其中,R表示实数集, 表示张量的高度, 表示张量的宽度,N为输出张量x1×1的批次大小;

将得到的特征 和特征 经过ReLU激活函数计算和卷积操作,得到特征张量,其中 分别表示第一张、第二张、第c张行人图像对应的特征张量, 表示张量的特征通道数。

3.根据权利要求2所述的行人重识别方法,其特征在于,所述沿着水平坐标和垂直坐标分别对所述特征张量进行编码,得到水平特征和垂直特征的步骤包括:输入特征张量 ,分别使用尺寸为 和 的卷积

核沿着水平坐标和垂直坐标对特征图的每一个通道进行编码,其中高度为 的 通道输出表示为:其中, 表示与特征张量 对应的水平特征;

宽度为 的 通道输出表示为:

其中, 表示与特征张量 对应的垂直特征;

所述将所述水平特征和所述垂直特征进行级联转换,以得到在水平方向和在垂直方向上的中间特征图的步骤包括:根据以下公式获取中间特征图:

其中, 表示卷积变换操作,(·)表示 激活函数, 表示中间特征图,f包括在水平方向上的中间特征图 和在垂直方向上的中间特征图;

所述根据在水平方向和在垂直方向上的中间特征图获取注意力特征图的步骤包括:根据以下公式分别对在水平方向上的中间特征图 和在垂直方向上的中间特征图 进行激活操作:其中, 和 均表示卷积变换操作, 表示在水平方向上经过卷积变换后的中间特征图, 表示在垂直方向上经过卷积变换后的中间特征图;

根据以下公式获取注意力特征图:

其中, 表示注意力特征图。

4.根据权利要求3所述的行人重识别方法,其特征在于,所述根据所述注意力特征图获取池化核域中每个激活值所对应的激活权重,以根据所述激活权重对池化核域内所有激活值的加权求和,得到输出值 的步骤包括:根据以下公式获取激活权重:

其中, 表示池化核域的第i个激活区域对应的激活权重,yci表示注意力特征图yc的池化核域中的第i个激活值,ycj表示注意力特征图yc的池化核域中的第j个激活值;

根据以下公式计算得到加权求和 :

。

5.根据权利要求4所述的行人重识别方法,其特征在于,所述将所述输出值 编码映射到欧式空间,以计算出样本的类中心,并根据样本的类中心计算出类中心三元组损失,并根据所述类中心三元组损失迭代训练出行人重识别模型的步骤包括:根据以下公式计算得到样本的类中心:

其中, 表示第 类样本的类中心, 表示批量中第 类的一组样本, 分别表示第1个、第i个、第N个样本,f(·)表示将样本编码映射到欧式空间;

根据以下公式计算得到类中心三元组损失:

其中,L表示类中心三元组损失, 、 分别表示第 个三元组的正、负样本类中心,表示 锚样本 与正样本类 中心之间的 欧氏 度量距离 ;

表示锚样本与负样本类中心之间的欧式度量距离, 表示阈值参数,[ ]为ReLU激活函数。

6.根据权利要求2所述的行人重识别方法,其特征在于,所述将一半的行人特征图进行IN计算的步骤包括:根据以下公式计算得到特征 :

其中,和 表示经过训练得到的两个可参变量, 和 表示对每一个行人图像的每个特征通道计算得到的均值和标准差, 表示输入张量 在第 个样本的第 个通道高度 、宽度 处对应的像素值,表示常量。

7.根据权利要求6所述的行人重识别方法,其特征在于,所述另一半行人的特征图进行BN计算的步骤包括:根据以下公式计算得到特征 :

其中, 和 表示对当前批次的所有行人图像的每个特征通道计算得到的均值和标准差。

8.一种行人重识别系统,其特征在于,所述系统包括:特征张量提取模块,用于获取历史行人图像,并对所述历史行人图像进行特征提取,得到与每份所述历史行人图像分别对应的特征张量;

注意力特征获取模块,用于沿着水平坐标和垂直坐标分别对所述特征张量进行编码,得到水平特征和垂直特征,并将所述水平特征和所述垂直特征进行级联转换,以得到在水平方向和在垂直方向上的中间特征图,并根据在水平方向和在垂直方向上的中间特征图获取注意力特征图;

加权求和获取模块,用于根据所述注意力特征图获取池化核域中每个激活值所对应的激活权重,以根据所述激活权重对池化核域内所有激活值的加权求和,得到输出值 ;

迭代训练模块,用于将所述输出值 编码映射到欧式空间,以计算出样本的类中心,并根据样本的类中心计算出类中心三元组损失,并根据所述类中心三元组损失迭代训练出行人重识别模型;

识别输出模块,用于将待识别的行人图像输入到所述行人重识别模型,以通过所述类中心三元组损失对待识别的行人图像进行聚类表示,得到最终的识别结果。

9.一种可读存储介质,其特征在于,包括:所述可读存储介质存储一个或多个程序,该程序被处理器执行时实现如权利要求1‑7任一所述的行人重识别方法。

10.一种计算机设备,其特征在于,所述计算机设备包括存储器和处理器,其中:所述存储器用于存放计算机程序;

所述处理器用于执行所述存储器上所存放的计算机程序时,实现权利要求1‑7任一所述的行人重识别方法。