[发明专利]一种基于部件幂集和多尺度特征的行人重识别方法

权利要求书

1.一种基于部件幂集和多尺度特征的行人重识别方法，其特征在于包括以下步骤：

(一)模型训练过程：

1)初始化模型参数；

2)输入训练图像到网络提取图像特征；

3)计算训练图像的多尺度特征；所述计算训练图像的多尺度特征，结合了最高层特征图和底层特征图得到多尺度的特征表示；

4)枚举部件幂集，并提取其特征；

所述枚举部件幂集的具体方法为：将图像平均分为n个部分，然后枚举所有可能的部件组合，总的部件组合数目为：

5)计算softmax交叉熵损失函数；

所述softmax交叉熵损失函数，使用随机梯度下降算法训练判别器迭代1000次：

其中，N_im和N_id分别表示图像的数目和行人身份的数目，y_i表示第i张图行人的身份，表示全连接层中第y_i个身份的参数权值，表示第i张图像的第c个部件组合的特征向量；

6)计算triplet loss三元损失函数；

所述triplet loss三元损失函数公式为：

其中，图像I_i和的行人身份是一样的，图像I_i和的行人身份是不一样的，d(·)表示归一化的欧氏距离，[·]₊表示合页损失，δ表示最大边距；

7)计算组合排序模块的交叉熵损失函数；

所述组合排序模块的交叉熵损失函数计算公式为：

其中，表示对y_i类别的预测结果，y_i是第i张图像的行人身份；

8)使用梯度下降算法更新模型参数；

9)重复步骤2)～8)直到收敛；

10)使用模型计算数据库里所有图像的特征向量；

(二)模型推理过程：

11)输入图像到模型中，获得目标的特征向量；

12)计算目标和数据库图像的特征向量的欧氏距离；

13)选择欧氏距离最近的数据库图像对应的行人身份作为最终检测结果。