[发明专利]一种基于深度神经网络的快速行人再识别方法

权利要求书

1.一种基于深度神经网络的快速行人再识别方法，其特征在于，所述方法包括如下步骤：

将待查行人图片与图片库输入至训练好的模型中；

通过模型分别提取待查行人图片与图片库中所有图片的哈希特征；

计算待查行人图片与图片库中所有图片哈希特征的汉明距离；

根据汉明距离得出识别结果。

2.根据权利要求1所述的一种基于深度神经网络的快速行人再识别方法，其特征在于：模型的训练方法包括如下步骤：

将预处理后的图像输入网络模型；

通过网络模型提取多分辨率特征；

将多分辨率特征进行融合得到高维特征；

将高维特征转化为哈希特征；

将哈希特征与对应图像的标签进行训练得到模型。

3.根据权利要求1所述的一种基于深度神经网络的快速行人再识别方法，其特征在于：图像预处理的方法包括如下步骤：

将图像分成若干组，每组图片的数量为P×K张；

其中P表示行人ID数量，K表示每个ID的图片数量；

每组中选择若干图片作为样本。

4.根据权利要求1所述的一种基于深度神经网络的快速行人再识别方法，其特征在于：所述样本包括原样本、正样本和负样本；所述原样本为原始ID图片，所述正样本为与原样本有相同ID的其他图片，所述负样本为与原样本不同ID的其他图片。

5.根据权利要求1所述的一种基于深度神经网络的快速行人再识别方法，其特征在于：通过网络模型提取多分辨率特征的方法包括如下步骤：

将图像输入网络模型；

网络模型通过交错卷积得到多个相同语义级别不同分辨率的特征。

6.根据权利要求1所述的一种基于深度神经网络的快速行人再识别方法，其特征在于：将多分辨率特征进行融合得到高维特征的方法包括如下步骤：

通过卷积层将多个不同分辨率的特征通道数提高到相同数值；

通过全局池化层将多个不同分辨率的特征转化为相同大小；

通过数学公式将多个特征进行融合得到高维特征。

7.根据权利要求1所述的一种基于深度神经网络的快速行人再识别方法，其特征在于：将高维特征转化为哈希特征的方法包括如下步骤：

将高维特征分两路进行监督学习；

通过两路的互相促进得到哈希特征。

8.根据权利要求7所述的一种基于深度神经网络的快速行人再识别方法，其特征在于：将高维特征分两路进行监督学习的方法包括如下步骤：

将其中一路的高维特征通过损失函数监督学习；

将另一路的高维特征降维，得到哈希特征所需的比特长度，再通过tanh函数产生近似的哈希特征。

9.根据权利要求1所述的一种基于深度神经网络的快速行人再识别方法，其特征在于：根据汉明距离得出识别结果的方法包括如下步骤：

对汉明距离进行相似度排序；

将汉明距离与预先设定的阈值进行比较；

若小于阈值则输出图片。