[发明专利]一种行人重识别方法、装置及计算机设备

权利要求书

1.一种行人重识别方法，其特征在于，包括：

S10：获取输入图像X，对X进行图像全局特征提取，得到全局特征图G；

S20：基于注意力机制，将G作为待提取特征图，对所述待提取特征图进行图像局部特征提取，得到局部特征图X₁；基于注意力机制，将X_i-1作为待提取特征图，对所述待提取特征图进行图像局部特征提取，得到局部特征图X_i，其中，i为整数，i=2、…、N，N为大于或等于2的整数；

S30：将G作为高层特征图F_high，将X₁作为低层特征图F_low，对F_high和F_low进行非局部特征融合，得到非局部特征图；将X_j-1作为F_high，将X_j作为F_low，对F_high和F_low进行非局部特征融合，得到非局部特征图，其中，j为整数，j=2、…、N；

S40：利用卷积运算对、…、进行融合，得到融合特征图F_f；基于F_f，利用全连接层预测X对应的行人编号；

其中，S30中，所述对F_high和F_low进行非局部特征融合，得到非局部特征图，包括：

S31：将F_high通过一个卷积，得到卷积后的高层特征图，其中，表示所述一个卷积的卷积核；

S32：将F_low分别通过两个卷积，得到两个卷积后的低层特征图：

和 ，其中，和分别表示所述两个卷积的卷积核；

S33：将F_v作为待池化特征图，对所述待池化特征图进行金字塔池化，得到池化后的特征向量；将F_k作为待池化特征图，对所述待池化特征图进行金字塔池化，得到池化后的特征向量；

S34：将与F_q进行矩阵乘法，再进行softmax激活，得到相似性矩阵M；

S35：将与M进行矩阵乘法，将相乘后的结果与F_high拼接，再经过一个卷积，得到所述非局部特征图。