[发明专利]一种行人识别方法及系统

权利要求书

1.一种行人识别方法，其特征在于，包括如下步骤：

S1、获取包含有行人正脸的行人RGB图像并输入至检测架构，基于所述检测架构获得人脸图像和人体图像；

S2、将所述人脸图像和所述人体图像分别输入至不同的神经网络进行特征提取，获取人脸特征图像和人体特征图像，以进行合并得到第一人脸-人体特征图像；

S3、利用通道注意力机制获取所述第一人脸-人体特征图像的每个通道的权重，并获取第二人脸-人体特征图像；

S4、根据所述第二人脸-人体特征图像的特征，在预设的特征库中进行比对，确认行人的ID。

2.如权利要求1所述的行人识别方法，其特征在于，步骤S1包括：

S10、将所述包含有行人正脸的行人RGB图像输入至所述检测架构的主干网络结构，输出RGB特征图像；其中，所述主干网络结构包括有多个卷积结构；

S11、从基于步骤S10中的所述卷积结构中提取有效特征图像，对所述有效特征图像进行人脸和/或人体区域检测，获取人脸和/或人体区域图像。

3.如权利要求2所述的行人识别方法，其特征在于，步骤S10中还包括：将所述包括有行人正脸的行人RGB图像进行归一化处理，归一化处理后后再输入至所述检测架构。

4.如权利要求1所述的行人识别方法，其特征在于，步骤S3包括：

S30、利用所述第一人脸-人体特征图像构建所述通道注意力机制的输入特征图像；

S31、通过全局池化将所述第一人脸-人体特征图像的每个通道的二维特征压缩为一个实数；

S32、将基于步骤S31压缩后的特征图像传递至瓶颈结构，获取所述每个通道的权重参数；

S33、将基于步骤S32所得到的权重加权至所述每个通道的特征上，并将加权后的值赋予所述通道注意力机制的所述输入特征图像，获取所述第二人脸-人体特征图像。

5.如权利要求1所述的行人识别方法，其特征在于，步骤S4包括：

S40、将所述第二人脸-人体特征图像的特征输入至全连接层，其中，所述全连接层由多个神经元构成，利用所述全连接层将人脸-人体特征连接生成一个与所述神经元的数量相同的维度的特征；

S41、将基于步骤S40获取的特征与预设的特征库中的特征进行比对，寻找高相似度的特征，并确认行人的ID。

6.如权利要求1所述的行人识别方法，其特征在于，还包括步骤：

S5、将所述第二人脸-人体特征图像和预存训练集的特征输入至损失函数进行计算，更新迭代训练方法模型。

7.一种行人识别系统，其特征在于，包括：

采集模块，用于采集包含有行人正脸的行人RGB图像；

图像检测模块，其包括有人脸-人体检测架构，以用于根据所述行人RGB图像检测人脸和/或人体，并获取人脸图像和/或人体图像；

特征提取模块，其包括至少两种不同的神经网络架构，以用于分别提取人脸特征图像和人体特征图像；

图像合并模块，用于对所述人脸特征图像和人体特征图像进行合并，获得第一人脸-人体特征图像；

通道注意力评判模块，用于获取所述第一人脸-人体特征图像的每个通道的权重，进行处理得到第二人脸-人体特征图像；

特征比对模块，用于根据所述第二人脸-人体特征图像的特征，在预设的特征库中进行比对，确认行人的ID。

8.如权利要求7所述的行人识别系统，其特征在于：还包括监督模块，用于将所述第二人脸-人体特征图像和预存训练集的特征输入至损失函数进行计算，更新迭代方法模型。

9.如权利要求7所述的行人识别系统，其特征在于：所述人脸-人体检测架构包括有主干网络结构以及人脸-人体检测单元；其中，所述主干网络结构包括有多个卷积结构，以用于输出多张有效特征图像；所述人脸-人体检测单元用于对所述有效特征图像进行人脸和/或人体区域检测，获取人脸和/或人体区域图像。

10.如权利要求7所述的行人识别系统，其特征在于：所述通道注意力评判模块包括有卷积单元、全局池化单元、以及瓶颈结构；其中，所述卷积单元用于构建所述通道注意力机制评判模块的输入特征图像；所述全局池化单元用于将所述第一人脸-人体特征图像的每个通道的二维特征压缩为一个实数；所述瓶颈结构用于获取所述每个通道的权重参数。