[发明专利]一种基于深度神经网络的快速行人再识别方法

说明书

本发明公开了一种基于深度神经网络的快速行人再识别方法，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，该方法通过将哈希编码引入深度神经网络代替高维特征可以提高检索效率，并且损失的精度较少，能够在匹配速度和精度之间达到一个较好的平衡。

技术领域

本发明涉及卷积神经网络和图像检索领域，具体涉及一种基于深度神经网络的快速行人再识别方法。

背景技术：

行人再识别技术是指给定一个待查人员的图像，在多个不重叠的摄像头拍摄的画面中，找到该名行人出现的所有图片。因其可以广泛应用于监控安防、商业分析和数据挖掘等领域，近年来这一技术成为计算机视觉的一个热门研究方向。随着摄像头成本的降低和图像质量越来越高，用于行人再识别的图像数量和质量都呈上升趋势。现有的行人再识别算法都是以提高识别精度为目的，往往以很大的存储空间和计算量为代价，这对实际应用带来很大的困难。目前的一些快速行人再识别方法，又损失了很多的准确率来提高计算速度。为了解决上述技术问题，需要提出新的能够适应大数据量的行人再识别算法，使其能够更好的满足应用场景的需求，提取更加鲁棒的特征，从而提高最终的正确识别率和计算效率。

本发明的创新点主要表现在，首先分析了多分辨率特征可以解决行人再识别中的遮挡、视角变换、光照变化造成的困难场景，并在此基础上提出了一个多分辨率特征融合的办法，该方法能够让图像提取的特征更鲁棒，更好的适应于实际应用场景。最后，通过将高维特征转换为哈希特征，提高了识别效率，满足了应用需求。

发明内容

本发明的目的在于提供一种基于深度神经网络的快速行人再识别方法，以解决现有技术中现有的行人再识别方法需要很大的计算量和更多的存储空间的缺陷。

一种基于深度神经网络的快速行人再识别方法，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。

进一步的，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。

进一步的，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。

进一步的，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。

进一步的，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。

进一步的，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；