申请/专利权人：华南理工大学

申请日：2023-12-04

公开（公告）日：2024-03-19

公开（公告）号：CN117726985A

主分类号：G06V20/52

分类号：G06V20/52;G06V40/10;G06V10/25;G06V10/28;G06V10/44;G06V10/46;G06V10/764;G06V10/82

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.05#实质审查的生效;2024.03.19#公开

摘要：本发明公开了一种基于显著特征提取的行人重识别方法，步骤如下：S1、构建基于VIT的网络模型；S2、将包含行人的图像输入显著特征提取模块进行行人特征提取，生成只包含行人图像的二值掩膜；S3、将包含行人的图像输入VIT模块进行位置编码得到输出序列；S4、将输出序列与二值掩膜输入显著特征增强模块进行特征解码得到注意力特征；S5、将注意力特征输入分类器进行分类，通过计算身份损失和度量损失训练基于VIT的网络模型；S6、将实时采集的行人图片输入经训练的基于VIT的网络模型提取特征，经度量排序实现行人重识别。本发明提取行人显著性特征，针对显著性特征赋予更高的注意力，有效提高行人重识别的准确率和鲁棒性。

主权项：1.一种基于显著特征提取的行人重识别方法，其特征在于，所述行人重识别方法包括如下步骤：S1、构建基于VIT的网络模型，其中，所述基于VIT的网络模型包括显著特征提取模块、VIT模块、显著特征增强模块和分类器；S2、将包含行人的图像输入显著特征提取模块进行行人特征提取，生成只包含行人图像的二值掩膜；S3、将包含行人的图像输入VIT模块进行位置编码得到输出序列；S4、将上述输出序列与二值掩膜输入显著特征增强模块进行特征解码得到注意力特征；S5、将注意力特征输入分类器进行分类，通过计算身份损失和三元度量损失并重复步骤S2至S5训练基于VIT的网络模型；S6、将实时采集的行人图片输入经过训练的基于VIT的网络模型提取特征，经度量排序实现行人重识别。

全文数据：

权利要求：

百度查询： 华南理工大学 一种基于显著特征提取的行人重识别方法

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