[发明专利]一种行人重识别方法、装置及计算机设备

说明书

本发明公开了一种行人重识别方法、装置及计算机设备。该方法包括：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；基于注意力机制，对G进行图像局部特征提取，得到局部特征图X₁；对X_i‑1进行图像局部特征提取，得到局部特征图X_i，i=2、…、N；对G和X₁进行非局部特征融合，得到非局部特征图；将X_j‑1和X_j进行非局部特征融合，得到非局部特征图，j=2、…、N；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。该方法本发明实施例不仅提高了行人重识别的精度。

技术领域

本发明实施例涉及多媒体信号处理领域，尤其涉及一种行人重识别方法、装置及计算机设备。

背景技术

近年来，人工智能与社会的方方面面联系越来越紧密，人工智能也为民众的生活提供了更多的便利。随着人工智能领域深度学习的快速发展，许多计算机视觉技术取得了重大突破，其中就包括行人重识别技术。

行人重识别技术又名行人再识别技术，是指利用计算机资源判断图像集中是否存在特定行人的技术，即从图库中检索出最有可能属于同一行人的图像或者图像集。行人重识别技术通常用于解决跨摄像机跟踪和监视安全性等问题，一般来说行人重识别可以视为图像检索问题。在监控视频中，受限于相机的分辨率和拍摄角度，通常无法获得高质量的人脸图像，因此在这种人脸识别失效的环境中，行人重识别技术就显得尤为重要。

大多数行人重识别方法为了得到更好的效果，往往专注于学习区分性和鲁棒性，以完成包括变换视角、不同身体姿势以及不同光照强度等挑战。所以考虑到利用深度学习所提取的全局特征对于空间位置变换以及外观变化具有一定的鲁棒性，因此，行人重识别技术依赖全局特征来检索图像。但是，仅凭借全局特征无法充分利用细粒度特征，并且全局特征可能会使注意力集中于一些干扰信息上，导致重识别的效果是无法预期的。

发明内容

本发明提供一种行人重识别方法、装置及计算机设备，以解决现有技术中存在的上述问题。

第一方面，本发明实施例提供了一种行人重识别方法。该方法包括：

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；