申请/专利权人:武汉纺织大学
申请日:2022-03-07
公开(公告)日:2024-04-16
公开(公告)号:CN114863505B
主分类号:G06V40/16
分类号:G06V40/16;G06V10/82;G06V10/74;G06V10/46;G06N3/0464;G06N3/084
优先权:
专利状态码:有效-授权
法律状态:2024.04.16#授权;2022.08.23#实质审查的生效;2022.08.05#公开
摘要:本发明公开了一种基于三叉戟多分支卷积神经网络的行人重识别方法。设计了基于颜色的卷积神经网络,基于空间位置信息的卷积神经网络和基于高层语义信息的卷积神经网络,所设计神经网络模型具有更浅的网络结构和更少的网络参数,为实现基于移动的行人重识别技术提供了可能性。所设计的网络模型用于获取行人的深度层级特征,更符合人类对事物由粗到细、由浅入深的识别机理;另外基于网络统一模型训练的方式,更有利于网络参数的优化,相比于传统的对网络中间层信息忽略的训练方式,本发明所设计的结构能够更好地把行人底层视觉特征和高层语义属性联合起来,能够获取更具判别力的行人描述子,以实现行人重识别效率。
主权项:1.一种基于三叉戟多分支网络结构的行人重识别方法,其特征在于,包括如下步骤:步骤1,对不同摄像头下的行人图像数据进行获取并作为网络的输入数据,行人图像数据包括由锚点样本,正样本图像和负样本图像组成的三元组图像;步骤2,对步骤1所得到的行人图像进行预处理,对每张行人图像样本进行白化处理,并进行归一化和减去均值;步骤3,网络结构的设计及训练;针对步骤2所预处理后的行人图像数据,将其输入到三叉戟网络结构中进行优化训练,首先对三叉戟网络结构进行设计,然后再采用三元组损失的方式,实现对网络结构的优化训练,以获取行人层级的深度特征;所述三叉戟网络结构包括三种卷积神经网络结构,即是语义卷积神经网络semanticCNN,S-CNN,颜色卷积神经网络colorCNN,C-CNN和位置卷积神经网络locationCNN,L-CNN;其中S-CNN用于行人语义信息特征的获取,包括深度网络结构最后高层抽象特征的获取;C-CNN用于行人底层视觉特征的获取,L-CNN用于行人空间位置信息的提取;步骤4,对步骤3中所获取的行人不同的深度层级特征,采用L2归一化处理,以得到最终的对行人描述的层级深度特征;步骤5,对步骤4所得到的行人层级深度特征,对不同的行人样本采用距离度量方式实现行人相似性的度量,以获取最终的行人重识别结果。
全文数据:
权利要求:
百度查询: 武汉纺织大学 一种基于三叉戟卷积神经网络的行人重识别方法
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。