申请/专利权人：兰州交通大学

申请日：2019-12-30

公开（公告）日：2021-04-09

公开（公告）号：CN111191587B

主分类号：G06K9/00(20060101)

分类号：G06K9/00(20060101);G06K9/62(20060101);G06N3/04(20060101);G06N3/08(20060101)

优先权：

专利状态码：有效-授权

法律状态：2021.04.09#授权;2020.06.16#实质审查的生效;2020.05.22#公开

摘要：本发明涉及一种行人重识别方法及系统。方法包括获取双线性卷积神经网络模型；获取输入行人图像；利用主干网络，提取输入行人图像的中间特征；对中间特征进行切片操作，得到分块特征；利用主干网络和分干网络对分块特征进行卷积和线性整流操作，得到第一行人分块细粒度特征和第二行人分块细粒度特征；对第一行人分块细粒度特征和第二行人分块细粒度特征采用双线性池化层进行融合，得到融合特征；根据待识别行人图像的融合特征与待搜索库中图像的融合特征之间的距离，确定待搜索库中与所述待识别行人图像相同的图像。本发明所提供一种行人重识别方法及系统，解决现有技术中行人重识别出现错位和造成行人重识别的识别率低的问题。

主权项：1.一种行人重识别方法，其特征在于，包括：获取双线性卷积神经网络模型；所述双线性卷积神经网络模型包括由残差网络构成的主干网络和分干网络；获取输入行人图像；所述输入行人图像包括待识别的行人图像和待搜索库中的图像；利用所述双线性卷积神经网络模型的主干网络，提取所述输入行人图像的中间特征；所述中间特征为所述主干网络中的残差块输出的多层特征图；对所述中间特征进行切片操作，得到所述输入行人图像的分块特征；利用所述双线性卷积神经网络模型的主干网络对所述分块特征进行卷积和线性整流操作，得到所述输入行人图像的第一行人分块细粒度特征；所述第一行人分块细粒度特征为所述输入行人图像中行人局部的特征；利用所述双线性卷积神经网络模型的分干网络对所述分块特征进行卷积和线性整流操作，得到所述输入行人图像的第二行人分块细粒度特征；所述第二行人分块细粒度特征为所述输入行人图像中行人不同位置的特征；对所述第一行人分块细粒度特征和所述第二行人分块细粒度特征采用双线性池化层进行融合，得到所述输入行人图像的融合特征；所述融合特征为行人不同位置的融合细粒度特征；根据所述待识别行人图像的融合特征与所述待搜索库中图像的融合特征之间的距离，确定所述待搜索库中与所述待识别行人图像相同的图像。

全文数据：

权利要求：

百度查询： 兰州交通大学 一种行人重识别方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD