[发明专利]一种结合图卷积神经网络的行人属性信息提取与重识别方法

权利要求书

1.一种结合图卷积神经网络的行人属性信息提取与重识别方法，包括以下三个模块：

人体骨骼点识别模块：将行人图像数据集送入到人体骨骼识别网络中进行骨骼点检测，得到人体的17个骨骼点并标注，为人体区域划分做准备。

人体区域划分模块：将人体骨骼点识别模块的骨骼识别结果送入人体区域划分模块，产生7个人体ROI区域。

图卷积神经网络信息提取模块：通过图卷积神经网络DIFFPOOL方法对划分好的人体区域进行特征提取与聚合，最终得到行人重识别结果。

2.根据权利要求1所述的人体骨骼点识别模块，其特征在于：人体骨骼点识别网络可以根据输入的人体图像对组成人体主要的17个关节点进行定位，通过关节点之间的距离以及置信值将关节点关联成一副人体骨骼框架。

3.根据权利要求1所述的人体区域划分模块，其特征在于：将人体骨骼点识别模块的输出作为输入，依据识别出的关节点将人体划分为7个人体ROI区域，分别为body区域、head区域、leg区域、lleg区域、rleg区域、larm区域、rarm区域。

4.根据权利要求1所述的图卷积神经网络信息提取模块，其特征在于：图卷积神经网络DIFFPOOL方法是一个可微分的图pooling模块，它可以生成图的层次表示。DIFFPOOL为深度GNN的每一层的节点学习可微分的cluster assignment，将节点映射到一组cluster，然后形成下一个GNN层的粗糙化输入(coarsened input)。因为按照pooling过程，每一层的一个点代表了前一层的一个cluster的点，所以在逐层传播过程中，图在“粗糙化”。然后使用最后的输出表示进行图分类任务。