[发明专利]基于姿势指导特征学习的行人再识别方法

权利要求书

1.一种基于姿势指导特征学习的行人再识别方法，其特征在于，包括：

将原始图像进行姿势归一化处理，得到姿势归一化图像；

将所述原始图像与所述姿势归一化图像输入卷积神经网络，进行权值共享处理后再分别进行全局平均池化处理，将得到的对应于所述原始图像的特征图作为姿势不变特征；

对所述原始图像进行身体区域划分得到若干身体区域图像，将所述原始图像与所述若干身体区域图像输入卷积神经网络，进行权值共享处理后再分别进行全局平均池化处理，将得到的对应于所述原始图像的特征图作为局部描述特征；

分别训练所述姿势不变特征和所述局部描述特征；

将训练好的姿势不变特征和局部描述特征连接为姿势指导特征；

利用所述姿势指导特征对图库图像进行排序。

2.根据权利要求1所述的方法，其特征在于，所述将原始图像进行姿势归一化处理，得到姿势归一化图像，包括：

提取所述原始图像中的若干刚性身体部位；

对每个所述刚性身体部位进行仿射变换，利用仿射变换后的所有刚性身体部位构成姿势归一化图像。

3.根据权利要求2所述的方法，其特征在于，所述对每个所述刚性身体部位进行仿射变换包括：

计算每个所述刚性身体部位的方向和尺寸；

对每个所述刚性身体部位的方向和尺寸进行调整；

对调整后的每个刚性身体部位通过空间变换器网络进行仿射变换。

4.根据权利要求2所述的方法，其特征在于，所述提取所述原始图像中的若干刚性身体部位包括：

用姿势估计器定位所述原始图像中人体的14个关节；

将所述14个关节划分为6个矩形，用该6个矩形分别表示6个刚性身体部位；

获取每个所述刚性身体部位的边界框。

5.根据权利要求4所述的方法，其特征在于，所述获取每个所述刚性身体部位的边界框包括：

假设第i个关节的坐标是C_i＝[x_i，y_i]，i＝1,2,…,14；

对于刚性身体部位p^(k)，根据其对应关节的坐标获得其区域边界框B^(k)；k＝1,2,…,6。

6.根据权利要求4所述的方法，其特征在于，所述对调整后的每个刚性身体部位通过空间变换器网络进行仿射变换包括：

为每个所述刚性身体部位训练一个空间变换器网络；

每个所述空间变换器网络生成一个6维变换参数矩阵，使用所述6维变换参数矩阵调整对应的刚性身体部位。

7.根据权利要求1所述的方法，其特征在于，所述对所述原始图像进行身体区域划分得到若干身体区域图像，包括：

针对所述原始图像提取头部、上半身和下半身三个身体区域，将所述原始图像的底部作为所述下半身的底部。

8.根据权利要求1所述的方法，其特征在于，所述分别训练所述姿势不变特征和所述局部描述特征包括：

用由softmax损失函数和共同损失函数组合成的训练损失函数训练所述姿势不变特征；所述共同损失函数是用视觉特征计算得到的，所述视觉特征是从所述姿势归一化图像中获取的。

9.根据权利要求8所述的方法，其特征在于，所述训练损失函数的表达式为：

其中，N代表训练批量大小，代表图像I_i的姿势归一化图像中获取的视觉特征，λ代表权重参数，L_softmax(·)代表softmax损失函数，pf_i表示图像I_i的姿势不变特征的特征向量，i为整数。