申请/专利权人：中国科学技术大学;招商银行股份有限公司

申请日：2024-01-18

公开（公告）日：2024-04-02

公开（公告）号：CN117809256A

主分类号：G06V20/52

分类号：G06V20/52;G06V10/44;G06V10/764;G06V10/774;G06V10/82;G06N3/048;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明公开了一种基于特征多样化和域自适应特征选择的鲁棒行人重识别方法，包括：1、数据收集和预处理；2、构建由基础骨干网络、特征多样化网络和域自适应特征选择网络构成的特征提取网络，输入行人图像，计算多样化损失和基向量损失；3、构建分类网络，计算行人重识别基础损失；4、利用多样化损失、基向量损失和行人重识别损失更新网络。本发明通过增强模型表征能力和域自适应拟合能力来解决鲁棒行人重识别问题，提高了行人重识别网络的泛化性，从而能更精确地在未知场景中检索目标行人，促进实际应用落地。

主权项：1.一种基于特征多样化和域自适应特征选择的鲁棒行人重识别方法，其特征在于，包括如下步骤：步骤一、数据收集和预处理；分别采集K个不同源域场景下的行人监控视频，并对第k个源域场景下的行人监控视频进行逐帧的行人检测、图像裁剪和图像尺寸归一化处理，得到Nk张行人图像其中，表示第k个源域场景下包含一个行人的第i张行人图像；对第i张行人图像进行行人身份识别和标记，得到中行人对应的身份ID标签，记为从而构建第k个源域场景下对应的行人图像数据集进而得到K个源域场景下对应的行人图像数据集D＝{D1,D2,…,Dk,…,DK}，其中，表示第k个源域场景中所有行人身份ID标签的总类别数；步骤二、构建特征提取网络，包括：骨干网络、特征多样化网络和域自适应特征选择网络；步骤2.1、所述骨干网络和特征多样化网络对行人图像数据集D进行处理，得到多样化特征并构建所述特征多样化网络的总多样化损失Ldiv；步骤2.2、所述域自适应特征选择网络对进行处理，得到选择后的行人特征图并构建基向量损失Lbasis；步骤三、构建分类网络，并对行人特征图进行处理后，得到对应的行人身份的分类概率，并构建行人重识别基础损失Lreid；步骤四、利用梯度下降法对由特征提取网络和分类网络构成的行人重识别网络进行训练，并计算总体损失函数L＝Ldiv+Lbasis+Lreid以更新网络参数，直到迭代次数达到设定次数或损失误差小于所设定的阈值时，停止训练，从而得到最优行人重识别网络，用于对输入的行人图像进行特征提取，得到对应的行人特征，以通过根据特征相似度匹配实现行人检索。

全文数据：

权利要求：

百度查询： 中国科学技术大学;招商银行股份有限公司 基于特征多样化和域自适应特征选择的鲁棒行人重识别方法

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