[发明专利]一种融合行人属性的行人重识别的方法

权利要求书

1.一种融合行人属性的行人重识别的方法，其特征在于：多尺度预测行人属性和行人属性特征融合到行人重识别分支，本方法包括如下步骤：

步骤1：行人属性预测

预测行人的发型、肤色、性别、穿衣风格属性；行人属性预测从2个不同尺度的featuremap预测行人属性；通过综合多尺度的特征，能同时兼顾对行人不同属性的预测，帮助行人识别分支；

在损失函数上也做改进，整个分支的损失函数为各个分支损失函数之和，考虑到每个属性对行人识别的重要程度存在差异，所以对每个属性的损失值乘了权重w，其中w的大小表示该属性对行人识别的贡献；

步骤2：行人属性融合到行人识别分支

首先两个属性分支的特征向量融合，使用乘积的方式完成两个属性分支特征向量的融合，公式如下：

其次，行人属性融合到行人识别分支过程中，提供两种不同的融合方法；

步骤3：行人重识别

行人重识别使用tripletloss作为损失函数约束，数据要求输入是三元组的形式，即a,p,n

tripletloss的公式如下：

L_reg＝max(d(a,p)-d(a,n)+margin,0)

最终优化的目标是拉近a，p的距离，拉远a，n的距离；在数据准备阶段，对数据进行难列挖掘，即要求negative和anchor相似。

2.根据权利要求1所述的一种融合行人属性的行人重识别的方法，其特征在于：步骤2的两种方法具体如下：

方法1：行人属性分支会得到预测行人属性的30个概率值，把30个概率值看做行人属性的特征表达融合到行人识别分支，采用直接拼接的方式，公式如下：

方法2：不使用行人的属性分支的预测值，而是使用输出预测值前一层512维的特征向量，用拼接的方式连接到行人身份识别分支，公式如1-2。