[发明专利]一种用于行人识别的方法

摘要

本发明提供一种城市道路监控场景下的行人识别方法，利用视频处理和深度学习技术判断多个视域不重叠相机所拍摄的行人是不是同一个行人。基于融合中心损失的卷积神经网络方法,本发明首先在行人数据集上训练卷积神经网络得到行人分类模型,并通过该模型实现待识别行人和数据库中行人的特征提取,最后通过特征度量和重排序方法得到候选行人列表，实现行人的识别。本发明可以实现道路监控场景下的行人辨识，进一步促进行人交通的有效管理。

主权项

1.一种用于行人识别的方法，其特征在于，该方法依次包含如下步骤：步骤1：构建残差卷积神经网络所述残差卷积神经网络包括行人图像输入层、模型层、分类层和损失层；其中损失层包括Softmax损失函数和中心损失函数，所述Softmax损失函数为：其中，xi∈Rd表示第i个行人图像的卷积神经网络特征,隶属于第yi个行人，d是该特征的维度；Wj∈Rd是网络最后一层全连接层权重矩阵W∈Rd×n的第j列，m表示行人标识的个数；中心损失函数为：其中,cyi表示所有标识为yi的行人的特征平均值；步骤2：模型训练利用预设的行人标注图像，对所述残差卷积神经网络进行训练，采用随机梯度下降的方法，确定残差网络所有参数的取值，使分类层的损失达到损失最小，训练完成后，网络结构去除分类层和损失层，剩余部分作为行人图像特征提取的工具，得到最终的行人图像特征提取模型M；步骤3：建立待识别行人图像数据库利用步骤2中得到的模型M提取每个行人的图像特征,并形成行人特征数据库D；对于通过相机新采集的行人图像,使用模型M获取特征x,依次计算x和行人特征数据库D中每个行人xi的相似度d(x,xi)：步骤4:检索与重排序按照相似度数值从小到大的顺序，得到相似度最近的N个匹配行人，并将这个检索集合记为A，对于这N个匹配出来的行人xi，每一个行人特征再分别作为检索图像x，再依次从行人特征数据库中检索并得到N个匹配行人集合，记为B，如果A∩B的元素个数大于N的2/3，则xi成为最终检索出来的行人。