[发明专利]一种基于行人区域特征提取和重识别融合模型网络及方法

权利要求书

1.一种基于行人区域特征提取和重识别融合模型网络的融合方法，其特征在于：所述融合方法包括区域提取特征图进行目标检测步骤；所述区域提取特征图进行目标检测步骤包括以下内容：

使用填充为1的3×3卷积层变换区域特征提取模块的输出，并将输出通道数记为c；

将区域特征提取模块为图像提取的特征图中的每个单元赋予一个长度为c的新特征；

以特征图每个单元为中心，生成多个不同大小和宽高比的锚框；

用锚框中心单元长度为c的特征分别预测该锚框的二元类别和边界框；

使用非极大值抑制从预测类别为目标的预测边界框中移除相似的结果，输出提取区域。

2.根据权利要求1所述的一种基于行人区域特征提取和重识别融合模型网络的融合方法，其特征在于：所述融合方法还包括通过骨干网络模块对原图进行预处理的步骤，以及通过行人重识别模块对场景中行人的不同特征识别出行人目标的行为的步骤；

所述通过骨干网络模块对原图进行预处理的步骤位于所述区域提取特征图进行目标检测步骤之前；

所述行人重识别模块对场景中行人的不同特征识别出行人目标的行为的步骤位于所述区域提取特征图进行目标检测步骤之后。

3.根据权利要求1所述的一种基于行人区域特征提取和重识别融合模型网络的融合方法，其特征在于：在通过行人区域特征提取和重识别融合模型网络进行所述融合方法之前，还需要对建立好的行人区域特征提取和重识别融合模型网络进行训练。

4.根据权利要求1所述的一种基于行人区域特征提取和重识别融合模型网络的融合方法，其特征在于：采用知识蒸馏的训练策略对行人区域特征提取和重识别融合模型网络进行训练，具体的训练步骤如下：

输入一个批次的场景图片进入CPU端作为网络的输入，骨干网络模块提取特征图，区域提取模块给出行人可能出现的框图位置和大小信息，并保存给出的行人框图位置和大小信息作为训练网络输出的一部分；

行人重识别模块进一步提取行人特征，并且和区域提取模块输出的行人框图位置和大小信息联级作为网络输出；

当数据返回CPU端后转换区域提取模块行人框图位置和大小信息到原场景图的尺度，并根据框图信息在原场景图中截取每一个行人的图片并转换行人图片到固定尺度大小；

输入截取的行人图片到教师网络提取每个行人图片的特征，作为行人重识别模块的标签；

把网络的输出值和目标值输入Loss函数进行反向传播，并更新网络参数权重和偏差。