[发明专利]一种基于多尺度孪生级联网络的行人重识别方法

说明书

本发明提供一种基于多尺度孪生级联网络的行人重识别方法，包括以下步骤：构建多尺度孪生级联网络；其中，所述多尺度孪生级联网络包括多尺度孪生级联彩色网络、多尺度孪生级联灰度网络、融合层和PCA降维层；其中，多尺度孪生级联彩色网络和多尺度孪生级联灰度网络均包括第一级联子网络、第二级联子网络和第三级联子网络。本发明使用多尺度级联网络，将多尺度与对应上级子网络的级联子特征图融合输入到次级子网络进行行人特征提取，并将各个子网络的行人特征进行融合，从而获得更加宏观准确的行人特征表达。因此，采用本发明方法，可获得更加全局、高层次且准确的行人特征表达，避免色差、光照、尺度集场景等干扰，提高行人重识别精度。

技术领域

本发明属于智能视频图像处理技术领域，具体涉及一种基于多尺度孪生级联网络的行人重识别方法。

背景技术

随着5G和物联网的迅猛发展，智能化生活已经悄然而至。智能安防是智能化生活的重要组成部分，而作为智能安防的关键技术，在跨摄像设备下对行人进行检索的行人重识别技术的准确度则是重中之重。当前的行人重识别技术具有一定的局限性，比如由于摄像设备之间的差异，会存在行人易受穿着色差、光照、尺度及场景等的影响，从而造成精准度受损。因此，以上这些变化的因素对行人重识别技术的推广及应用带来了困难。因此提取不同设备下行人的关键有效性的特征就显得至关重要。

现有的行人重识别方法中的特征表达方法主要有：1、提取图像的语义信息表示行人特征，该方法提取的行人特征对于衣着颜色有较强的依赖性，从而造成撞衫/衣着颜色一致时较难区分；2、使用单一尺度的输入方式提取行人特征，该方法提取的行人特征忽略了不同粒度图像的细节特征；3、基于神经网络的行人重识别方法，该方法多是使用单个网络提取行人特征，行人特征信息单一，对网络结构的设计依赖性较大。

因此，针对现有技术存在的问题，如何提取不同摄像设备下行人中更关键、有效、准确且全面的行人特征是非常有必要的。

发明内容

针对现有技术存在的缺陷，本发明提供一种基于多尺度孪生级联网络的行人重识别方法，可有效解决上述问题。

本发明采用的技术方案如下：

本发明提供一种基于多尺度孪生级联网络的行人重识别方法，包括以下步骤：

步骤1，构建数据集；所述数据集包括多个样本组；每个所述样本组包括两张图片样本，分别为彩色图片样本和灰度图片样本；其中，所述灰度图片样本为对所述彩色图片样本灰度化处理后的图片样本；

将所述数据集划分为训练集TrainSet和验证集；

步骤2，构建多尺度孪生级联网络；其中，所述多尺度孪生级联网络包括多尺度孪生级联彩色网络Network_1、多尺度孪生级联灰度网络Network_2、融合层和PCA降维层；

所述多尺度孪生级联彩色网络Network_1和所述多尺度孪生级联灰度网络Network_2的网络结构完全相同；

所述多尺度孪生级联彩色网络Network_1包括第一级联彩色子网络level_1s、第二级联彩色子网络level_2s和第三级联彩色子网络level_3s；

所述多尺度孪生级联灰度网络Network_2包括第一级联灰度子网络level_1g、第二级联灰度子网络level_2g和第三级联灰度子网络level_3g；

采用以下方式，对所述多尺度孪生级联网络进行训练，得到训练完成的多尺度孪生级联网络：