[发明专利]基于三元组卷积神经网络的行人再识别方法

摘要

本发明基于三元组卷积神经网络的行人再识别方法：步骤1、形成一个小批量样本；步骤2、输出每个行人图像的全局特征和局部特征；步骤3、计算小批量样本中每两个行人图像全局特征之间的距离、对应身体部位的局部特征之间的距离；步骤4、形成P×K对三元组样本；步骤5、利用Log‑logistic函数代替铰链函数改进三元组卷积神经网络损失函数；步骤6、得到训练好的三元组卷积神经网络；步骤7、利用训练好的三元组卷积神经网络识别目标行人图像，并结合置信度测量机制来进一步避免目标行人图像和待识别行人图像之间的误匹配。本发明一种基于三元组卷积神经网络的行人再识别方法，能够准确进行行人再识别，避免不同行人之间的误匹配。

主权项

1.基于三元组卷积神经网络的行人再识别方法，其特征在于，具体按照以下步骤实施：步骤1、在行人数据集图像中随机采样P个行人，并从每个行人中随机选择K个图像，形成具有P×K个图像的一个小批量样本；步骤2、将经步骤1得到的小批量样本依次输入至三元组卷积神经网络中，输出小批量样本中每个行人图像的全局特征和局部特征；步骤3、利用欧氏距离公式计算经步骤2得到的小批量样本中每两个行人图像全局特征之间的距离并确定全局特征之间的相似性，通过引入最短路径损失计算小批量样本中每两个行人图像之间对应身体部位的局部特征之间的距离，对齐每两个行人图像之间对应身体部位的局部特征；步骤4、利用步骤3得到的每两个行人图像全局特征之间的相似性结合小批量难样本挖掘策略，在步骤1得到的具有P×K个图像的一个小批量样本中形成P×K对三元组样本；步骤5、利用Log‑logistic函数代替铰链函数改进三元组卷积神经网络损失函数，得到改进后的三元组卷积神经网络损失函数；步骤6、利用经步骤4得到的P×K对三元组样本和经步骤5得到的改进后的三元组卷积神经网络损失函数训练三元组卷积神经网络，确定能够有效提取特征来识别行人的网络参数，得到训练好的三元组卷积神经网络；步骤7、利用经步骤6得到的训练好的三元组卷积神经网络识别目标行人图像，并结合置信度测量机制得到目标行人图像的最终相似性排名列表识别矩阵来进一步避免目标行人图像和待识别行人图像之间的误匹配。