[发明专利]基于多区域注意力关联的空间关系模型行人特征识别方法

权利要求书

1.基于多区域注意力关联的空间关系模型行人特征识别方法，其特征在于，该识别方法具体步骤如下：

(1)提取行人图像全局特征：将采集到的各组行人图像导入ResNet50网络中，并通过ResNet50网络对各组行人图像进行全局特征提取；

(2)获取局部特征信息并进行数据增强：对全局特征采用多通道均分的方法进行局部特征获取，构建空间注意力模型，并通过该空间注意力模型对提取出的各组局部特征进行特征增强；

(3)对各组局部特征进行空间关联：构建空间自适应图卷积模型，并将各组局部特征导入该空间自适应图卷积模型中，之后对各组局部特征进行特征融合，并对融合后的局部特征进行空间关联；

(4)依据各组特征信息进行度量计算：收集最终获取的与原始输入个数相同的局部特征和全局特征，基于所获取的各组特征进行不同行人间的度量计算。

2.根据权利要求1所述的基于多区域注意力关联的空间关系模型行人特征识别方法，其特征在于，步骤(1)中所述局部特征提取具体步骤如下：

步骤一：ResNet50网络将行人图像进行特征粗提取以得到W×H×C的三维特征向量，其中，W和H分别代表每个局部特征的宽度和高度，C代表每一个局部特征的通道数；

步骤二：按照不同的均分标准将得到的特征图水平分割为多个局部特征区域，并将相同标准下获得的局部特征区域归属于同一个小组。

3.根据权利要求1所述的基于多区域注意力关联的空间关系模型行人特征识别方法，其特征在于，步骤(2)中所述特征增强具体步骤如下：

第一步：收集分割完成的各组局部特征，并将收集到的各组局部特征导入空间注意力模型中；

第二步：空间注意力模型通过构建邻接矩阵来学习注意力掩码，并采用注意力机制来对行人兴趣区域进行提取，并依据提取出的信息对各组局部特征进行训练增强。

4.根据权利要求1所述的基于多区域注意力关联的空间关系模型行人特征识别方法，其特征在于，第二步中所述注意力机制对于局部特征的增强过程具体计算公式如下：

W_l′＝W_l⊙M (1)

式中，其中W_l为局部特征，M对应分配注意力权重的mask矩阵，W_l′为经过注意力增强后特征表达。

5.根据权利要求4所述的基于多区域注意力关联的空间关系模型行人特征识别方法，其特征在于，步骤(3)中所述局部特征特征融合具体步骤如下：

S1.1：空间自适应图卷积模型接收经注意力加权后的的各组局部特征，并构建输入特征集V_lⁱⁿ∈R^B×C×W×h，其中，B代表每一个分组中局部特征的个数，h代表局部特征的空间层级的高度；

S1.2：通过全局最大池化操作将各组输入特征集进行转化以获取原始局部信息中的最显著特征，之后将转化后的输入特征集按照B次输入到子模块OVSR中；

S1.3：使每一个局部特征初步学习到其他局部特征的信息，同时将转化后的输入特征集分为基准特征以及其他邻居特征，对其他邻居特征进行全局平均池化操作，然后对上下分支进行卷积操作并进行拼接；

S1.4：利用残差网络的思想将基准局部特征与拼接后的关联特征进行融合以得到经过浅层关系增强的局部特征。