[发明专利]基于分割剪影的行人再识别方法及系统

权利要求书

1.一种基于分割剪影的行人再识别方法，其特征在于包括：

基于预先构建的行人再识别模型并根据待测行人的彩色图像及对应的分割剪影，获取所述待测行人的行人特征；

分别计算所述行人特征与每个预设的行人身份特征之间的相似度；

获取最大相似度对应的行人身份特征，并根据所获取的行人身份特征获取所述待测行人的身份信息；

其中，所述行人再识别模型是根据预设的行人测试样本并利用机器学习算法所构建的深度卷积神经网络模型，所述行人身份特征是基于所述行人再识别模型并根据预设的行人比对样本的彩色图像及对应的分割剪影，获取到的所述行人比对样本的行人特征；其中，所述行人再识别模型包括对比注意模型；在“基于预先构建的行人再识别模型并根据待测行人的彩色图像及对应的分割剪影，获取所述待测行人的行人特征”的步骤之前，所述方法包括：

利用所述对比注意模型并根据所述行人再识别模型中特定卷积层的输出特征和行人测试样本对应的分割剪影，获取行人身体敏感特征和行人背景敏感特征；

根据所述特定卷积层的输出特征、行人身体敏感特征和行人背景敏感特征，获取所述行人测试样本对应的全局特征H、行人身体区域特征和H⁺行人背景区域特征H^-；

根据所述H、H⁺和H^-，并按照下式所示的损失函数L_all对所述行人再识别模型进行模型训练：

L_all＝L_id+α·L_triplet+β·L_att

其中，所述L_id是所述H、H⁺和H^-对应的分类损失函数，所述L_triplet是所述H、H⁺和H^-对应的三元组约束损失函数，所述L_att是所述对比注意模型对应的损失函数，所述α和β均是预设的超参数。

2.根据权利要求1所述的基于分割剪影的行人再识别方法，其特征在于，所述三元组约束损失函数L_triplet如下式所示：

其中，所述m是预设的边界参数，所述表示“H-H⁺”的2范数的平方，所述表示“H-H^-”的2范数的平方。

3.根据权利要求1所述的基于分割剪影的行人再识别方法，其特征在于，所述对比注意模型包括身体区域注意模型和背景区域注意模型；“利用所述对比注意模型并根据所述行人再识别模型中特定卷积层的输出特征和行人测试样本对应的分割剪影，获取行人身体敏感特征和行人背景敏感特征”的步骤包括：

利用所述身体区域注意模型并根据所述特定卷积层的输出特征和预设的第一权重矩阵Φ⁺，获取所述行人身体敏感特征；

利用所述背景区域注意模型并根据所述特定卷积层的输出特征和预设的第二权重矩阵Φ^-，获取所述行人背景敏感特征；

其中，Φ⁺+Φ^-＝O，所述O是全1矩阵。

4.根据权利要求3所述的基于分割剪影的行人再识别方法，其特征在于，所述对比注意模型对应的损失函数L_att如下式所示：

其中，所述I是分割剪影M横轴方向的像素数，所述J是分割剪影M竖轴方向的像素数，所述M_(i,j)是分割剪影M在位置(i,j)处的值，所述是第一权重矩阵在位置(i,j)处的值，所述表示的2范数的平方。