[发明专利]一种基于部件幂集和多尺度特征的行人重识别方法有效
| 申请号： | 201910722268.9 | 申请日： | 2019-08-06 |
| 公开（公告）号： | CN110633631B | 公开（公告）日： | 2022-02-18 |
| 发明（设计）人： | 纪荣嵘;沈云航 | 申请（专利权）人： | 厦门大学 |
| 主分类号： | G06V20/52 | 分类号： | G06V20/52;G06V10/44;G06V10/56;G06V10/764;G06V10/774;G06K9/62 |
| 代理公司： | 厦门南强之路专利事务所(普通合伙) 35200 | 代理人： | 马应森 |
| 地址： | 361005 *** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于部件幂集和多尺度特征的行人重识别方法，属于计算机视觉技术领域。包括以下步骤：1)初始化模型参数；2)输入训练图像到网络提取图像特征；3)计算训练图像的多尺度特征；4)枚举部件幂集并提取其特征；5)计算softmax交叉熵损失函数；6)计算triplet loss三元损失函数；7)计算组合排序模块的交叉熵损失函数；8)使用梯度下降算法更新模型参数；9)重复步骤2)～8)直到收敛；10)使用模型计算数据库里所有图像的特征向量；11)输入图像到模型中，获得目标的特征向量；12)计算目标和数据库图像的特征向量的欧氏距离；13)选择欧氏距离最近的数据库图像对应的行人身份作为最终检测结果。 | ||
| 搜索关键词： | 一种 基于 部件 尺度 特征 行人 识别 方法 | ||
【主权项】：
1.一种基于部件幂集和多尺度特征的行人重识别方法，其特征在于包括以下步骤：/n(一)模型训练过程：/n1)初始化模型参数；/n2)输入训练图像到网络提取图像特征；/n3)计算训练图像的多尺度特征；/n4)枚举部件幂集，并提取其特征；/n5)计算softmax交叉熵损失函数；/n6)计算triplet loss三元损失函数；/n7)计算组合排序模块的交叉熵损失函数；/n8)使用梯度下降算法更新模型参数；/n9)重复步骤2)～8)直到收敛；/n10)使用模型计算数据库里所有图像的特征向量；/n(二)模型推理过程：/n11)输入图像到模型中，获得目标的特征向量；/n12)计算目标和数据库图像的特征向量的欧氏距离；/n13)选择欧氏距离最近的数据库图像对应的行人身份作为最终检测结果。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于厦门大学，未经厦门大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910722268.9/，转载请声明来源钻瓜专利网。
