[发明专利]一种基于双重注意力机制的行人重识别系统

说明书

本发明属于图像处理技术领域，具体涉及一种基于双重注意力机制的行人重识别系统；在strongbaseline网络中引入注意力机制，包含通道注意力机制和空间注意力机制，其中通道注意力机制可以通过空间维度上进行压缩促进模型以专注于关键通道；空间注意力机制可以通过聚合所有通道的类似特征来突出语义像素；注意机制的本质是强调对学习目标有用的重要位置，并通过将权重系数分配给图像特征信息来抑制无关信息；将注意力机制插入到人员重识别模型中，减小相机角度、身体姿势的变化、身体未对齐和图片多样化等问题，在不显著增加计算量和参数量的前提下能提升网络模型的特征提取能力，提升网络性能。

技术领域

本发明属于图像处理技术领域，具体涉及一种基于双重注意力机制的行人重识别系统。

背景技术

近年来，研究者对人物重识别(Person re-identification)进行了广泛的研究，人重新识别旨在验证非重叠摄像机捕获的图像序列中的行人身份，在公共安全视频监控中有许多应用，对安全和刑事调查具有巨大的现实意义。近年来，随着深度学习的发展，卷积神经网络已成功用于人物重识别。当背景相对简单并且情况相对固定时，这些方法取得了良好的结果。然而，在许多现实生活场景中，情况通常更复杂，由于存在视野变化，如空间未对齐，背景干扰和行人姿势改变，人物重识别是一个具有挑战性的任务。传统的卷积神经网络不能自适应地关注特征图的有用通道和区域，这限制了行人重识别的准确性。

发明内容

针对现有技术的不足，为了获得更高的准确性，本发明提出一种基于双重注意力机制的行人重识别系统，具有通道和空间双重注意力机制，专注于重要的特征和抑制不必要的特征，在不显著增加计算量和参数量的前提下能提升网络模型的特征提取能力。

本发明采用如下技术方案：

一种基于双重注意力机制的行人重识别系统，在strongbaseline网络中引入注意力机制，包含通道注意力机制和空间注意力机制，其中通道注意力机制可以通过空间维度上进行压缩促进模型以专注于关键通道；空间注意力机制可以通过聚合所有通道的类似特征来突出语义像素；注意机制的本质是强调对学习目标有用的重要位置，并通过将权重系数分配给图像特征信息来抑制无关信息。

一种基于双重注意力机制的行人重识别系统，在strongbaseline网络基础上插入双重注意力机制模块；其中具体结构如下：

第一层为卷积层，第二层为归一化层，第三层为激活函数层，第四层为池化，接下来是Stage结构，包含Stage1、Stage2、Stage3、Stage4；其中：

在Stage1的Conv Block中第一分支的第三层后面插入双重注意力机制模块，在Stage1的每个Identity Block中第三卷积层后面插入双重注意力机制模块；

在Stage2的Conv Block中第一分支的第三层后面插入双重注意力机制模块，在Stage2的每个Identity Block中第三卷积层后面插入双重注意力机制模块；

在Stage3的Conv Block中第一分支的第三层后面插入双重注意力机制模块，在Stage3的每个Identity Block中第三卷积层后面插入双重注意力机制模块；

在Stage4的Conv Block中第一分支的第三层后面插入双重注意力机制模块，在Stage4的每个Identity Block中第三卷积层后面插入双重注意力机制模块；

最后依次为池化层、归一化层、全连接层和SoftMax分类器。

所述双重注意力机制模块中通道注意力机制的构建具体步骤为：

步骤一：对于双重注意力机制模块插入位置处block得到的特征图F，分别进行平均池化和最大值池化操作，得到两个C维池化特征图：和