[发明专利]一种基于深度特征学习的行人再识别方法

摘要

本发明实施例公开了一种基于深度特征学习的行人再识别方法，该方法包括：构建深度神经网络模型；将训练图像集中的训练图像分为N个水平部分，并分配类别标签；训练深度神经网络模型；将测试图像集中的测试图像分为N个水平部分；利用深度神经网络模型提取测试图像的特征；基于待识别图像与测试图像的特征计算两者之间的相似度得分，进而得到待识别图像的行人再识别结果。本发明通过对图像的每个水平部分分配一个类别标签，从而能够充分利用局部特征的优势去训练网络，进而提高了行人再识别匹配的正确率。

主权项

1.一种基于深度特征学习的行人再识别方法，其特征在于，所述方法包括：步骤S1，构建深度神经网络模型；步骤S2，获取训练图像集，将所述训练图像集中的每幅训练图像分为N个水平部分，并为每个水平部分分配一个类别标签；步骤S3，利用带有类别标签的水平部分训练所述深度神经网络模型；步骤S4，获取测试图像集，将测试图像集中的每幅测试图像分为N个水平部分；步骤S5，利用训练好的深度神经网络模型提取所述测试图像集中每幅测试图像水平部分的特征，并将每部分特征串联形成相应图像最终的特征；步骤S6，获取待识别图像及其特征，并基于待识别图像与测试图像的特征计算待识别图像与每幅测试图像之间的相似度得分；步骤S7，对相似度得分进行排序，得分最高的测试图像被认为与所述待识别图像是相同行人，进而得到待识别图像的行人再识别结果。