[发明专利]基于特征强化引导卷积神经网络的行人再识别方法及装置

摘要

基于特征强化引导卷积神经网络的行人再识别方法及装置，方法包括：1)收集行人图像数据并做好分类标签，并将分类后的行人图像数据分为训练集和测试集；2)构建特征强化引导的卷积神经网络；3)将步骤1)中的训练集特征强化引导的卷积神经网络，训练得到行人再识别的预训练模型；4)用步骤1)中的测试集测试步骤3)中训练得到的预训练模型，根据测试结果调整训练参数重新训练，得到最佳预训练模型；5)使用目标场景中的部分目标行人图像训练最佳预训练模型，得到目标模型，再使用目标模型对行人库中的图像进行检测，得到含有目标行人的目标图像。应用本发明实施例，可以解决现有技术中存在的误差较大的技术问题。

主权项

1.基于特征强化引导卷积神经网络的行人再识别方法，其特征在于，所述方法包括：1)收集行人图像数据并做好分类标签，并将分类后的行人图像数据分为训练集和测试集；2)构建特征强化引导的卷积神经网络，其中，所述卷积神经网络包含双输入基本网络、主干卷积神经网络、特征强化引导模块；所述特征强化引导模块包括设定数量个子网络层，每一个子网络层均包含卷积层、ReLU激活层、BatchNorm标准化层组成的卷积单元、最大值池化层以及sigmoid层；3)将步骤1)中的训练集输入所述特征强化引导的卷积神经网络，训练得到的行人再识别的预训练模型；4)用步骤1)中的测试集测试步骤3)中训练得到的预训练模型，根据测试结果调整训练参数重新训练，并返回步骤3)，直至所述特征强化引导的卷积神经网络收敛，得到最佳预训练模型；5)收集目标场景中的部分目标行人图像，并使用所述目标场景中的部分目标行人图像训练所述最佳预训练模型，得到目标模型，再使用所述目标模型对行人库中的图像进行特征比对，从而识别出目标行人，得到目标图像。