[发明专利]基于孪生行人对齐残差网络的行人重识别方法

摘要

本发明公开了一种基于孪生行人对齐残差网络的行人重识别方法，包括以下步骤：S1、构建基础分支孪生残差网络；S2、构建行人对齐分支孪生残差网络；S3、利用已构造好的训练数据集对构建好的基础分支孪生网络和行人对齐分支孪生残差网络进行参数训练，将训练好的基础分支孪生残差网络中基础分支原型和行人对齐分支孪生残差网络中行人对齐分支原型取出进行行人重识别的分类模型。本发明提升了原有算法行人重识别的准确度。

主权项

1.一种基于孪生行人对齐残差网络的行人重识别方法，其特征在于，包括以下几个步骤：S1、构建基础分支孪生残差网络；S1.1、构造第一基础分支深度残差网络，采用迁移学习策略，导入在ImageNet数据集上预训练的残差网络参数，将其作为第一基础分支深度残差网络的基础参数；S1.2、通过复制第一基础分支深度残差网络的模型结构和参数得到第二基础分支深度残差网络；S1.3、计算两个基础分支深度残差网络输出的特征向量差值的平方，利用卷积层和分类器进行二分类，判断上述两个基础分支深度残差网络的输入是否是同一类别的图像；S2、构建行人对齐分支孪生残差网络；S2.1、构造第一行人对齐分支深度残差网络，使用经过训练的第一基础分支深度残差网络或第二基础分支深度残差网络中的任意一个，删除用于将高维特征图像返回为特征向量的残差块；将输出的高维特征图像结果经由一个残差块返回用于进行仿射变换的参数，对输出的低维特征图像进行仿射变换，得到经过对齐的行人图像；将经过训练的第一基础分支深度残差网络或第二基础分支深度残差网络中的任意一个，删去用于得到进行仿射变换的低维特征图像及其之前的残差块，并用来训练得到的经过对齐的行人图像；S2.2、复制第一行人对齐分支深度残差网络的模型结构和参数得到第二行人对齐分支深度残差网络；S2.3、计算上述两个行人对齐分支深度残差网络输出的特征向量差值的平方，利用卷积层和分类器进行二分类，判断两个分支网络的输入是否是同一类别的图像；S3、利用已构造好的训练数据集对构建好的基础分支孪生网络和行人对齐分支孪生残差网络进行参数训练，将训练好的基础分支孪生残差网络中基础分支原型和行人对齐分支孪生残差网络中行人对齐分支原型取出进行行人重识别的分类模型；S3.1、利用构造好的训练数据集采用批量梯度下降法分别对构造好的基础分支孪生残差网络和行人对齐分支孪生残差网络进行参数训练；S3.2、训练好参数之后分别将任意一个基础分支孪生残差网络和行人对齐分支孪生残差网络取出作为行人图像分类模型；S4、构建测试样本和查询样本；S5、测试样本分类：将测试样本分别送入训练好的基础分支深度残差网络和行人对齐分支深度残差网络中进行特征提取；S6、将两个分支网络得到的特征进行特征连结；S7、对测试样本的图像和查询样本的图像进行欧式距离的计算得到排序列表；S8、在重排序的基础上进行行人重识别。