[发明专利]基于域不变特征的跨域行人重识别装置及其方法

权利要求书

1.基于域不变特征的跨域行人重识别装置，该跨域行人重识别装置设置在域不变特征提取网络的残差模块之后，其特征在于：包括用于得到恢复特征的恢复特征模块，用于得到判别特征的特征增强模块，以及一个用于将恢复特征和判别特征进行叠加得到完整输出特征的特征叠加器

所述恢复特征模块设置有：

实例归一化模块IN，用于将输入的原始特征进行归一化处理，得到实例归一化后的特征；

特征残余计算器用于进行输入的原始特征与实例归一化后的特征之间的残差计算，得到残余特征；

第一注意力机制模块，将残余特征基于通道注意力机制和空间注意力机制自适应的提取出行人身份信息相关的特征；

及特征叠加器用于将行人身份信息相关的特征与实例归一化后的特征进行叠加得到恢复特征；

所述特征增强模块设置有：

批量归一化模块BN，用于将输入的原始特征进行批量归一化处理，得到批量归一化特征；

第二注意力机制模块，将批量归一化特征基于通道注意力机制和空间注意力机制得到判别特征。

2.基于域不变特征的跨域行人重识别方法，采用如权利要求1所述的基于域不变特征的跨域行人重识别装置实现，其特征在于：包括下述步骤：

1)输入的原始特征通过实例归一化模块IN减少样本特征间的域差异性，得到实例归一化后的特征；

2)利用特征残余计算器对输入的原始特征与实例归一化后的特征进行残差计算，得到残余特征；

3)将残余特征利用第一注意力机制模块基于通道注意力机制和空间注意力机制自适应的提取出行人身份信息相关的特征；

4)将实例归一化后的特征与行人身份信息相关的特征通过一个特征叠加器叠加得到恢复特征；

5)将恢复特征和特征增强模块所形成的判别特征通过特征叠加器进行叠加得到完整输出特征。

3.根据权利要求2所述的基于域不变特征的跨域行人重识别方法，其特征在于：所述特征增强模块通过下述步骤得到判别特征：

A)输入的原始特征通过批量归一化模块BN进行批量归一化处理，得到批量归一化特征；

B)将批量归一化特征经第二注意力机制模块基于通道注意力机制和空间注意力机制得到判别特征。

4.根据权利要求3所述的基于域不变特征的跨域行人重识别方法，其特征在于：所述输入的原始特征设为x，且x∈R^b×c×h×w，其中，b、c、h、w分别表示批次大小、通道数、特征图的高度和宽度，R^b×c×h×w为b×c×h×w维矩阵；

所述实例归一化后的特征设为x₁，在所述步骤1)中，所述输入的原始特征经实例归一化模块IN采用下述公式得到实例归一化后的特征：x₁＝其中，μ(·)和σ(·)分别表示每个通道和每个样本在空间维度上计算所得的平均值和标准偏差，γ和β是通过数据训练所学习到的参数。

5.根据权利要求4所述的基于域不变特征的跨域行人重识别方法，其特征在于：所述残余特征通过下述公式得到：D＝x-x₁，其中，D表示输入的原始特征x与实例归一化后的特征x₁的差值；

所述行人身份信息相关的特征设为x₂，且在第一注意力机制模块中通过下述公式：x₂＝sa₁(ca₁(D))得到，其中，中ca₁(·)表示特征通过通道注意力机制，sa₁(·)表示特征通过空间注意力机制；

6.根据权利要求5所述的基于域不变特征的跨域行人重识别方法，其特征在于：所述恢复特征记为x₁₂，且实例归一化后的特征x₁与行人身份信息相关的特征x₂在特征叠加器中通过下述公式计算得到恢复特征x₁₂：x₁₂＝x₁+x₂。