[发明专利]一种多尺度多特征融合的行人重识别方法及装置

权利要求书

1.一种多尺度多特征融合的行人重识别方法，其特征在于，所述方法包括：

将待识别图像输入预先训练好的行人重识别模型中，所述行人重识别模型包括特征提取层、嵌入层、全局最大池化层GMP、全局平均池化层GAP、卷积层、批处理归一化层以及激活函数；其中，所述特征提取层设置三个分支，所述嵌入层中预先存储有对每个分支设置的分割数目；

通过所述特征提取层的三个分支，得到三个不同尺度的特征图；

根据所述嵌入层预先设置的分割数目，分别对三个特征图进行分割，得到三组分割后的局部特征图，对每组局部特征图分别进行拼接，得到多个特征张量；

通过所述全局最大池化层GMP、全局平均池化层GAP、卷积层、批处理归一化层以及线性整流ReLU激活函数，将所述多个特征张量转化为一维向量；

将得到的一维向量进行拼接，获取多个待检测图像对应的一维向量，计算所述待识别图像的一维向量分别与所述多个待检测图像的一维向量的相似度，根据得到的多个相似度，确定所述待识别图像对应的待检测图像。

2.根据权利要求1所述的方法，其特征在于，所述特征提取层的结构包括：

所述特征提取层的前三层完全继承Resnet-50网络的前三层结构，所述三个分支中，第一个分支的结构与Resnet-50网络的第四层以及第五层结构相同，第二个分支的结构与Resnet-50网络的第四层以及改进后的第五层结构相同，第三个分支的结构与Resnet-50网络改进后的第四层以及改进后的第五层结构相同；其中，所述改进后的第五层结构为删除了下采样环节的第五层结构，所述改进后的第四层结构为删除了下采样环节的第四层结构。

3.根据权利要求1所述的方法，其特征在于，所述嵌入层中预先存储的对每个分支设置的分割数目包括：

第一个分支的分割数目为1，第二个分支的分割数目为2，所述第三个分支的分割数目为3。

4.根据权利要求1所述的方法，其特征在于，所述对每组局部特征图分别进行拼接，得到多个特征张量，包括：

对于任一组局部特征图，确定所述组局部特征图的数量X，则所述组的局部特征图经过X轮拼接，其中，第i轮拼接包括i次拼接，所述i次拼接包括的局部特征图的数量分别为X、X-1、X-2、……、X-i+1，每次拼接得到一个特征张量，则对所述组局部特征图进行拼接后得到个特征张量。

5.根据权利要求1所述的方法，其特征在于，所述行人重识别模型的训练方法如下述过程：

获取训练样本数据集；

采用交叉熵损失Softmax Loss函数对初始行人重识别模型进行初步训练，得到预训练行人重识别模型；

将所述训练样本数据集输入所述预训练行人重识别模型中，将难样本三元组损失TriHard Loss函数、中心损失Center Loss函数以及Softmax Loss函数相结合得到综合损失函数，根据所述综合损失函数对所述预训练行人重识别模型进行训练，直到综合损失函数收敛，完成对所述行人重识别模型的训练，得到训练好的行人重识别模型。