[发明专利]一种自适应深度空间特征的行人识别方法和系统

说明书

本发明提供一种自适应深度空间特征的行人识别方法和系统；其方法包括步骤：根据预设的分割数目n将行人图像进行分割；建立与行人图像分块数目相同的n组特征提取模型，并对应的从n块行人图像分块中提取特征信息；建立与特征信息组别数目相同的n组特征分类器，并对应的将n组特征信息进行特征分类；根据反向传播算法分别计算每组特征分类过程中所产生的损失值；将n组损失值分别返回对应的特征提取模型和特征分类器中来优化的特征提取模型和特征分类器。本发明能够有效提取到行人更多的信息，尤其是局部信息，而采用损失值反馈的形式自适应的行人特征分类，最终趋于最优解，能够指引行人特征提取模型提取到更多深度空间的行人特征信息。

技术领域

本发明主要涉及图像处理技术领域，具体涉及一种自适应深度空间特征的行人识别方法和系统。

背景技术

随着计算机的普及、智能设备的出现，科技对人们的影响越来越大，在全球化加剧的现在，人们对于身份鉴别的需求越来越强烈。传统的个人识别码、密码、IC卡、密保卡等传统的身份鉴别技术由于操作不变、难以记忆等原因和信息时代的需求存在不小的差距。人脸识别是生物特征识别领域十分热门的课题，是继指纹识别之后，有希望广泛应用于社会经济活动和人们日常生活中的一种生物特征识别技术。行人识别是一种利用人脸进行身份鉴别的生物特征识别技术。然而，在近代特别是随着计算机技术的发展，行人识别通常是指基于计算机技术的人脸特征信息的识别技术。

随着社会的发展，技术的进步，科技对人们的影响越来越大，人们对于身份鉴别的需求越来越强烈，然而在不同场景下，角度不同，摄像机分辨率不同以及不同场景下光照也不一致等问题，导致同一个行人很容易被误判为同一行人。以往经常采用对整张图像直接进行提取特征的方式，往往并没有提取到足够多更细致的特征信息。

发明内容

本发明所要解决的技术问题是提供一种自适应深度空间特征的行人识别方法和系统，能够有效提取到行人更多的信息，尤其是局部信息，而采用损失值反馈的形式自适应的行人特征分类，最终趋于最优解，能够指引行人特征提取模型提取到更多深度空间的行人特征信息。

本发明解决上述技术问题的技术方案如下：一种自适应深度空间特征的行人识别方法，包括如下步骤：

步骤S1：获取行人图像，并根据预设的分割数目n将所述行人图像进行分割，得到n块行人图像分块；

步骤S2：建立与行人图像分块数目相同的n组特征提取模型，所述n组特征提取模型一一对应的从所述n块行人图像分块中提取特征信息，得到n组特征信息；一一对应为一个特征提取模型对应一个行人图像分块进行特征信息的提取；

步骤S3：建立与特征信息组别数目相同的n组特征分类器，所述n组特征分类器一一对应的对所述n组特征信息进行特征分类；一一对应为一个特征分类器对应一组特征信息进行特征分类；

步骤S4：根据反向传播算法分别计算每组特征分类过程中所产生的损失值，得到n组损失值；

步骤S5：将n组损失值分别返回对应的特征提取模型和特征分类器中，得到优化后的特征提取模型和特征分类器。

本发明的有益效果是：采用将行人图像分块的方式去提取行人特征，每块行人图像分块分别对应一特征提取模型和特征分类器，能够有效提取到行人更多的信息，尤其是局部信息，而采用损失值反馈的形式自适应的行人特征分类，最终趋于最优解，能够指引行人特征提取模型提取到更多深度空间的行人特征信息。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步，实现步骤S5的具体方法为：将n组损失值分别返回对应的特征提取模型和特征分类器中，所述特征提取模型根据返回的损失值来调整各自的配置参数，得到优化后的特征提取模型，所述特征分类器根据返回的损失值来调整各自的配置参数，得到优化后的特征分类器。