[发明专利]一种基于深度度量的行人再辨识方法有效

专利信息
申请号: 201910626883.X 申请日: 2019-07-11
公开(公告)号: CN110516533B 公开(公告)日: 2023-06-02
发明(设计)人: 苗夺谦;王倩倩 申请(专利权)人: 同济大学
主分类号: G06V40/10 分类号: G06V40/10;G06V10/774;G06V10/74;G06V10/82;G06V10/77;G06N3/0464;G06N3/08
代理公司: 上海科律专利代理事务所(特殊普通合伙) 31290 代理人: 叶凤
地址: 200092 *** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 深度 度量 行人 辨识 方法
【权利要求书】:

1.一种基于深度度量的行人再辨识方法,其特征在于,包括以下步骤:

一、构建网络

1)预训练ResNet-50网络,

将ImageNet数据集作为训练数据集,训练一个ResNet-50网络,使其具有初始值;

2)调整步骤1)ResNet-50网络,移除ResNet-50网络中的softmax层以及最后一个全连接层;提供给步骤4);

3)采用多个非线性全连接层构成深度度量网络,并在输出后增加欧氏距离计算单元,该部分网络参数采用随机初始化方法;提供步骤4);

步骤4)构建行人再辨识网络模型,具体如下:

将步骤2)中调整后的ResNet-50网络与步骤3)中获得的深度度量网络相连接,即将ResNet-50网络的输出输入到深度度量网络中,构建的行人再辨识网络模型;

二、训练

5)预处理行人再辨识训练数据集,将训练数据集中的图像进行随机剪裁,得到一组尺寸为224×224的训练数据集,从中随机选择P位不同的行人,并为每个行人随机选择K张图像,组成小的训练批;

6)训练网络模型,

通过最小化Hard Triplet Loss损失函数对步骤4)中最终构建的网络模型进行优化,使用步骤5)中所得的训练数据输入该优化的网络模型,循环执行此步骤,直至损失值收敛;

三、识别

7)进行行人再辨识,将待辨识行人图像和候选库中的图像分别输入到步骤6)已优化的网络模型中,获取行人图像在同一个特征空间上的特征向量;

8)计算待辨识图像与候选库中所有图像的相似度,即计算待辨识图像与候选库图像间特征向量的欧氏距离,其中特征向量由步骤7)获取;然后按照相似度从小到大的规则,对候选库中的图像进行排序,排位越靠前图像与待辨识图像越相似;其中相似指的是两张行人图像为同一行人的图像。

2.根据权利要求1所述的一种基于深度度量的行人再辨识方法,其特征在于,步骤1)所述的预训练ResNet-50网络,采用dropout或Batch Normalization方法对训练进行优化,使得ResNet-50网络具备图像特征提取能力。

3.根据权利要求1所述的一种基于深度度量的行人再辨识方法,其特征在于,步骤2)所述的调整ResNet-50,是将ResNet-50网络的softmax层和最后一个全连接层删去,获得最终输出为2048维的向量。

4.根据权利要求3所述的一种基于深度度量的行人再辨识方法,其特征在于,步骤3)所述的深度度量网络其接入所述的2048维特征向量,输出非线性投影后的欧式空间特征向量;所述深度度量网络结构具体为:

在一个由M个非线性全连接层构成的神经网络后,增加一个欧式距离计算层;其中第一个全连接层的深度为2048,各个层的参数初始化采用随机初始化的方法,计算公式如下:

其中1≤m≤M,r(m)为第m层的深度,且r(0)=2048,是第m层的权重,每层的偏置初始化为零向量,M为深度度量网络中全连接层的总层数,为超参数。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于同济大学,未经同济大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910626883.X/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top