[发明专利]一种行人重识别特征融合辅助学习的方法

权利要求书

1.一种行人重识别特征融合辅助学习的方法，其特征在于，包括：

将加入局部特征训练得到的全局特征提取模型用于提取行人图像的全局特征，利用全局特征进行行人重识别，所述全局特征提取模型的训练包括：

(1)采集全身图像训练集，检测全身图像训练集中的局部图像，得到局部图像训练集；

(2)分别利用全身图像训练集和局部图像训练集训练全身卷积神经网络和局部卷积神经网络，得到全身模型和局部模型；

(3)分别利用全身模型和局部模型提取全身图像训练集和局部图像训练集的全局特征和局部特征，利用融合局部特征后的全局特征训练全身模型，得到全局特征提取模型；

所述步骤(3)的具体实现方式为：

分别利用全身模型和局部模型提取全身图像训练集和局部图像训练集的全局特征f_a和局部特征f_b，将全局特征f_a和局部特征f_b进行融合：

fusion(f_a；f_b)＝f_a^Tf_b

全局特征f_a和局部特征f_b的维度分别为n和m，融合局部特征后的全局特征fusion(f_a；f_b)为一个n×m的矩阵M，然后对矩阵M进行池化操作得到一个n维的特征R，利用损失函数对特征R进行约束，使得类间距离大于类内距离，得到全局特征提取模型；

所述池化操作为水平方向的平均池化；

对于anchor、正样本集和负样本集，分别生成n维特征R_a、R_p和R_n,所述损失函数为：

L＝max(0,ε+(n₂-n₁))

其中，n₁表示R_a和R_p之间的距离，n₂表示R_a与R_n之间的距离，ε表示R_p和R_n之间最小的距离间隔。

2.如权利要求1所述的一种行人重识别特征融合辅助学习的方法，其特征在于，所述全身图像训练集包括：anchor、正样本集和负样本集，正样本集与anchor的图像身份一致且行人图片不来自同一个摄像头；负样本集与anchor图像行人身份不一致，anchor、正样本集和负样本集中的图像数量相同。

3.如权利要求1或2所述的一种行人重识别特征融合辅助学习的方法，其特征在于，所述局部图像为头部图像、上身图像、下身图像、手部图像，腿部图像中的至少一种。

4.如权利要求1或2所述的一种行人重识别特征融合辅助学习的方法，其特征在于，所述全身卷积神经网络为ResNet、VGGNet、GoogLeNet或者DenseNet，所述局部卷积神经网络为ResNet、VGGNet、GoogLeNet或者DenseNet。

5.如权利要求1或2所述的一种行人重识别特征融合辅助学习的方法，其特征在于，所述步骤(2)的具体实现方式为：

分别利用全身图像训练集和局部图像训练集训练全身卷积神经网络和局部卷积神经网络，在训练过程中分别通过全身卷积神经网络和局部卷积神经网络的损失层计算损失并反向传播，用梯度下降法更新网络参数，直至达到预设的迭代次数停止训练，得到全身模型和局部模型。