[发明专利]一种引入视觉注意力机制的行人重识别方法及系统

权利要求书

1.一种引入视觉注意力机制的行人重识别方法，其特征在于，包括：

对监控图像进行预处理得到训练数据集；

利用所述训练数据集对完成预训练的Resnet-50网络进行训练得到引入视觉注意力机制的Resnet-50网络；

利用所述引入视觉注意力机制的Resnet-50网络对待测图像进行行人重识别。

2.如权利要求1所述的方法，其特征在于，所述对监控图像进行预处理包括对数据集进行随机水平翻转、扩张图像随机剪裁得到统一大小的训练数据集。

3.如权利要求1所述的方法，其特征在于，所述预训练包括利用ImageNet数据集对Resnet-50网络进行训练，得到网络参数的初始值。

4.如权利要求1所述的方法，其特征在于，所述利用所述训练数据集对完成预训练的Resnet-50网络进行训练包括利用amsgrad算法更新网络参数。

5.如权利要求1所述的方法，其特征在于，所述利用所述引入视觉注意力机制的Resnet-50网络对待测图像进行行人重识别包括通过引入视觉注意力机制提取待测图像的特征和图库图像的特征，计算待测图像与图库图像的特征距离，特征距离最近的图库图像即为与待测图像所指相同的行人目标。

6.一种引入视觉注意力机制的行人重识别的系统，其特征在于，包括：

采集模块，用于采集经过预处理的监控图像得到训练网络的数据集；

骨干网络模块，用于提取特征；

视觉注意力模块，用于筛选特征；

识别模块，用于获得训练好的网络对待测图像的识别结果。

7.如权利要求6所述的系统，其特征在于，所述骨干网络模块分为第一阶段、第二阶段、第三阶段和第四阶段；第四阶段分为第一层、第二层和第三层；

所述视觉注意力模块包括第一视觉注意力模块、第二视觉注意力模块和第三视觉注意力模块，所述第一视觉注意力模块、第二视觉注意力模块和第三视觉注意力模块均包括空间注意力单元和通道注意力单元；

所述第一视觉注意力模块与所述骨干网络模块的第一阶段连接，特征融合后输入到所述骨干网络模块的第二阶段，所述第二视觉注意力模块与所述骨干网络模块的第二阶段连接，特征融合后输入到所述骨干网络模块的第三阶段，所述第三视觉注意力模块与所述骨干网络模块的第三阶段连接，特征融合后输入到所述骨干网络模块的第四阶段，所述骨干网络模块的第四阶段的三个阶段的特征依次融合输出最终的特征。