[发明专利]一种基于残差网络思想的高效行人重识别方法

说明书

本发明提供了一种基于残差网络思想的高效行人重识别方法。本发明将行人重识别问题看成是传统的二分类问题。在设计的卷积神经网络模型中加入了残差网络的思想，设计了两种不同的残差网络模块，可以使得模型有较大的深度，提取更加有效、精细的行人图片特征，但是不会引起梯度消失问题。在每个卷积层之后加入BatchNormalization层，可以对提取的特征做不同的归一化处理，加快网络在训练过程中前向传播的速度，使得模型效率提升，有效减少模型出现过拟合现象。在残差网络模块之后，对提取的两张图片特征做邻域差值处理，获得两张图片之间的特征局部关系，为最后进行的分类处理提供了有效保证。本发明提供的技术方案可以对行人图片达到精确识别分类，并且具有识别效率高、处理速度快的特点。

技术领域

本发明涉及行人重识别领域，具体涉及利用残差网络思想设计卷积网络模型对行人进行重识别的方法。

背景技术

行人重识别技术是智能视频分析、视频监控、人机交互等诸多领域的核心技术，如果能够对监控所拍摄的行人图片进行准确的识别，对于分析行人的运动轨迹和对行人快速检索具有重要的意义。通过行人重识别技术，不仅能够提高视频监控人员的工作效率，而且对于社会公共安全提供了有力的保障。

近年来，深度学习得到了快速的发展，卷积神经网络作为深度学习的一种方式，在图像分类、目标检测、图像语义分割等领域取得了一系列突破性的研究成果。卷积神经网络提供了一种端到端的学习模式，减少了人工对于图像处理的干预。残差网络是卷积神经网络的结构组合的形式结果，通过使用残差网络的思想，能够让模型有更大的深度，提出更加有效的图像特征，并不会引起梯度消失或者梯度爆炸的问题，从而为图像精确匹配识别提供了良好的基础条件。

传统的行人重识别技术存在以下缺点：人工成本大，空间复杂度较高，而且对于行人识别的准确率较低。

发明内容

为了解决现有技术的缺点，本发明提出了一种基于残差网络思想的高效行人重识别方法，将行人重识别看成是传统的二分类问题，包括以下步骤：

A、对公开数据集CUHK-03中1163个行人图片重新整理；

B、设计了两种不同的残差网络模块，将整理数据集中的训练集输入到整个网络模型对模型进行训练，同时，采用验证数据集微调训练模型的超参数，保证模型的准确率和鲁棒性。

C、保存已训练好的模型，测试模型的准确率。

部分A中，将公开数据集CUHK-03整理成模型所需要的形式，即：将数据集中的所有图片分别放在a，b两个文件夹，两个文件夹下都有‘train’，‘validation’，‘test’3个子文件，‘train’子文件下有以0-1162数字命名的子文件，数字表示每个不同的行人，每个以数字命名的文件夹下有相应行人的图片。‘validation’子文件下有以0-99数字命名的子文件，每个以数字命名的文件夹下有相应行人的图片。‘test’子文件下有以0-99数字命名的子文件，每个以数字命名的文件夹下有相应行人的图片。