[发明专利]用于行人再识别的神经网络和基于深度学习的行人再识别算法有效
| 申请号： | 201710780179.0 | 申请日： | 2017-09-01 |
| 公开（公告）号： | CN107729805B | 公开（公告）日： | 2019-09-13 |
| 发明（设计）人： | 张史梁;田奇;高文;李佳宁;苏驰 | 申请（专利权）人： | 北京大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04;G06T3/00 |
| 代理公司： | 北京辰权知识产权代理有限公司 11619 | 代理人： | 董李欣 |
| 地址： | 100871*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 用于 行人 识别 神经网络 基于 深度 学习 算法 | ||
1.一种用于行人再识别的神经网络，其特征在于，包括：
使用行人的原始全身图像作为第一输入并输出第一识别特征的第一神经网络；
使用从行人的原始全身图像提取的人体部位图像的仿射变换图像作为第二输入并输出第二识别特征的第二神经网络，
其中，人体部位至少包括头部、躯干和四肢，第一识别特征和第二识别特征组合为总识别特征；
还包括：
特征嵌入子神经网络FEN，其包含姿态变换神经网络PTN，PTN用于对人体部位图中每个人体部位施加仿射变换得到更加鲁棒的人体部位图像的仿射变换图像；
特征加权子神经网络FWN，用于对第二神经网络输出的第二识别特征进行加权和加偏置，从而将第一识别特征和第二识别特征组合为总识别特征。
2.根据权利要求1所述的用于行人再识别的神经网络，其特征在于，第一神经网络包含第一卷积神经网络CNN和第二CNN，第二神经网络包含第三CNN和第四CNN，其中，第一CNN和第三CNN共享权值。
3.根据权利要求1所述的用于行人再识别的神经网络，其特征在于，第二CNN和第四CNN采用独立的权值。
4.根据权利要求1所述的用于行人再识别的神经网络，其特征在于，第一神经网络和第二神经网络还各自包括位于各自的输出端的卷积CONV层和全局平均池化GAP层。
5.一种基于深度学习的行人再识别算法，其特征在于，包括：
构建根据权利要求1-4中的任一项所述的用于行人再识别的神经网络；
使用行人再识别数据集对所述用于行人再识别的神经网络进行训练；
使用经训练的用于行人再识别的神经网络来进行行人再识别。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京大学，未经北京大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201710780179.0/1.html，转载请声明来源钻瓜专利网。
- 上一篇：一种老人急救引导手环
- 下一篇：一种基于应激反应能力的汽车驾驶员疲劳识别方法
