[发明专利]基于深度学习的实例级行人检测和行人重识别系统

权利要求书

1.基于深度学习的实例级行人检测和行人重识别系统，其特征在于，包括如下步骤：

S1：选择ResNet-50作为CNN模型的网络结构，其具有conv1和四个blocks，四个blocks包括conv2_x、conv3_x、conv4_x、conv5_x，每个blocks包含3，4，6，3个残差单元，利用conv1到conv4_3作为stemCNN部分，给定一张输入图像，stem产生1024个通道的convfeaturemaps；

S2：将获得的convfeaturemaps输入到pedestrianproposalnet中，在每个featuremap的每个位置上利用anchor机制和Softmax分类器判断前景和背景，同时采用线性回归调整anchor的位置，经过非极大值抑制，保留128个调整后的bbox作为proposals；

S3：将S2得到的featuremaps和proposals输入到ROIAlign中，根据proposals的坐标位置在featuremaps中将相应的区域池化为固定尺寸的特征图，方便后续的分类和包围盒回归操作，遍历每个proposal，将proposal分割成k*k个单元，利用双线性内插法计算四个坐标值，最后进行最大池化；

S4：将ROIAlign得到的固定大小的featuremaps输入到IdentificationNet中，IdentificationNet由ResNet-50的conv4_4至conv5_3组成，获得最终的featuremaps；

S5：为了获得实例级的语意分割，在ROIAlign后接入FCIS语意分割网络，对featuremaps进行上采样，获得最终的实例级语意分割的结果，在COCO数据上预训练的网络模型，该数据集中有81类，只关注行人这一类，直接拿过来使用，不分布参与训练；

S6：利用S4获得的featuremaps，经过globalaveragepooling获得2048维度的特征向量，经过Softmax分类器和线性回归获得行人的位置，将通过S4操作获得2048通道featuremaps，输入到一层globalaveragepooling层中，获得一个2048维度的特征向量，为了获取精度更高的分类和Boundingbox效果，再次使用Softmax分类器和线性回归获得行人的位置；

S7：将S6获得的2048维的特征向量投影到经过L2正则化后的256维向量子空间中，获得256维度的特征向量，用于行人的匹配。