[发明专利]基于成员递进关系的行人群组表征方法

权利要求书

1.基于成员递进关系的行人群组表征方法，其特征在于，包括以下步骤：

获取行人图片并提取行人特征；

对行人特征进行线性投影降维，得到行人特征的隐编码；

对行人特征的隐编码引入群组表征向量并进行填补，得到填补后特征序列；

将填补后特征序列中的群组表征向量结合个体表观信息，得到群组个体表征；

将填补后特征序列中的群组表征向量结合个体间关联信息，得到群组关联表征；

将群组个体表征和群组关联表征融合，得到多级群组表征。

2.根据权利要求1所述一种基于成员递进关系的行人群组表征方法，其特征在于，所述获取行人图片并提取行人特征这一步骤，其具体包括：

获取群组中的行人图片并进行尺寸变换，得到统一大小的行人图片；

将统一大小的行人图片输入至Resnet-50网络，输出特征图；

将特征图经过平均池化处理，得到行人特征。

3.根据权利要求2所述一种基于成员递进关系的行人群组表征方法，其特征在于，所述对行人特征的隐编码引入群组表征向量并进行填补，得到填补后特征序列这一步骤，其具体包括：

在行人特征的隐编码前添加群组表征向量，得到初步特征序列；

基于填补特征将初步特征序列填补至预设长度，得到填补后特征序列；

根据特征区间设置行人掩膜。

4.根据权利要求3所述一种基于成员递进关系的行人群组表征方法，其特征在于，所述将填补后特征序列中的群组表征向量结合个体表观信息，得到群组个体表征这一步骤，其具体包括：

将填补后特征序列经过三个多层感知机学习，得到对应特征Q₁、特征K₁和特征V₁；

计算每个特征与其他特征的相似度；

将相似度进行softmax变换并结合特征V进行相乘处理，得到每个特征与其他特征的相似度较高的特征；

循环感知机学习和相似度计算的步骤，直至达到预设次数，得到第一组不同子空间的相似信息；

将第一组不同子空间的相似信息进行拼接，得到群组个体表征。

5.根据权利要求4所述一种基于成员递进关系的行人群组表征方法，其特征在于，还包括计算个体间关联信息，具体步骤如下：

将群组个体表征与填补后特征序列相加并作残差计算，得到第一特征结果；

将第一特征结果进行正则化处理并基于多层感知机计算张量，得到第二特征结果；

将第二特征结果与第一特征结果相加并作残差计算，得到个体间关联信息。

6.根据权利要求5所述一种基于成员递进关系的行人群组表征方法，其特征在于，所述将填补后特征序列中的群组表征向量结合个体间关联信息，得到群组关联表征这一步骤，其具体包括：

将个体间关联信息经过三个多层感知机，得到对应特征序列Q₂、特征序列K₂和特征序列V₂；

计算群组表征向量与其他个体间关联信息的相似度；

将相似度进行softmax变换并结合特征序列V₂进行相乘处理，得到群组表征向量中与个体间关联信息的相似度较高的特征；

循环感知机学习和相似度计算的步骤，直至达到预设次数，得到第二组不同子空间的相似信息；

将第二组不同子空间的相似信息进行拼接，得到群组关联表征。

7.根据权利要求6所述一种基于成员递进关系的行人群组表征方法，其特征在于，所述将群组个体表征和群组关联表征融合，得到多级群组表征这一步骤，其具体包括：

将群组个体表征与个体关联表征拼接起来，再经过多层感知机融合，得到融合结果；

将融合结果正则化处理后与前面群组个体表征做残差连接，输出得到多级群组表征。

8.根据权利要求7所述一种基于成员递进关系的行人群组表征方法，其特征在于，还包括：

获取待测图像并根据群组关联表征在行人图片中找出相近图片。