[发明专利]基于多视角特征融合的行人重识别方法

权利要求书

1.基于多图像特征融合的行人重识别方法，其特征包括以下步骤：

步骤1、将测试集全部图像输入深度卷积网络，经过全局池化，对行人图像进行初步的特征提取，输出原始视觉特征；

步骤2、计算全部特征之间的余弦距离，获得邻接矩阵。将每一个图像的特征当作节点，将属于k互近邻的点进行连接，边长设置为1，由此得到一张无向的邻接图。

步骤3、在每一次迭代中沿着邻接图进行消息传递，将传递的消息与原始消息相结合，经过多次迭代后，得到融合了周围节点信息的最终特征表示。

步骤4、计算图像间的余弦距离作为相似度，排序得到重识别结果。

2.根据权利要求1所述的基于多图像特征融合的行人重识别方法，其特征在于，所述步骤1的特征提取的具体方法包括以下步骤：

(1)将行人图像缩放为256×128，经过随机擦除，随机裁剪对数据进行增强。

(2)使用的主干网络为Resnet50，将最后一个残差模块的步长设置为1，使生成的特征图的尺寸变为原来的两倍，获取更多的语义信息。分Batch向网络中输入训练图像，根据预测值计算与真实值的交叉熵作为损失函数，使用Adam优化器，初始学习率为3.5×10^-4，共训练70代。

(3)将图片输入到训练好的网络中，对于每一个图像得到2048维的特征向量。

3.根据权利要求2所述的基于多图像特征融合的行人重识别方法，其特征在于，所述步骤2的特征提取的具体方法包括以下步骤：

(1)图像数量为N，计算图像间的余弦距离。

(2)将每个图像视为顶点，计算每个顶点的K近邻，若两顶点互为K近邻，则将其连接。得到一个无向图G(V,E)，其中V为顶点集合，顶点数为N，E为边集合，每条边长度均为1。

4.根据权利要求3所述的基于多图像特征融合的行人重识别方法，其特征在于，所述步骤3的特征提取的具体方法包括以下步骤：

(1)顶点v的输入特征为其领域为N(v)。

(2)计算N(v)中所有顶点的特征的均值

(3)将与加权相加。

(4)更新顶点v的特征作为输出，