[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

说明书

本发明公开了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，属于特征提取技术领域，该识别方法具体步骤如下：(1)提取行人图像全局特征；(2)获取局部特征信息并进行数据增强；(3)对各组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；本发明能够提取到人体更深层次的空间维度特征，在很大程度上抑制背景信息对于人体的干扰，有效的保证对行人重识别达到更好的效果。

技术领域

本发明涉及特征提取技术领域，尤其涉及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。

背景技术

近年来，局部结合全局的特征提取方法作为一种流行趋势，在 行人重识别领域已经得到了较大的关注，并且取得了不错的效果， 但是不难发现，目前此种方法下的局部特征的划分往往采用的还是 单一标准划分，这种单一的划分标准往往会导致局部特征缺少分区 分组的多样性，从而混淆具有相似属性的不同行人。并且，现有的 研究证明：局部特征间空间关系的构建同样能够增强行人特征的表 达效果；为此，我们提出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。

发明内容

本发明的目的是为了解决现有技术中存在的缺陷，而提出的基 于多区域注意力关联的空间关系模型行人特征识别方法。

为了实现上述目的，本发明采用了如下技术方案：

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，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。

作为本发明的进一步方案，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。

作为本发明的进一步方案，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

作为本发明的进一步方案，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。

作为本发明的进一步方案，步骤(3)中所述局部特征特征融合 具体步骤如下：