[发明专利]一种基于聚类和分块特征提取的行人重识别方法

摘要

本发明公开了一种基于聚类和分块特征提取的行人重识别方法，(1)通过K‑means对图像进行聚类，将聚类的图像分别输入DCGAN网络中，分别生成图像，对原始训练集进行扩充；(2)在深度学习中，通过分块特征提取对真实数据和生成的没有标签的数据进行特征提取，同时采用发明的聚类标注平滑归一化损失函数(CLS)对数据标签化训练，测试时采用重排(Re‑ranking)进一步提升行人重识别效果。本发明联合了聚类标注平滑归一化损失函数以及分块特征提取方法，解决了行人重识别训练数据有限以及标签分配问题，同时通过分块的方式提取了图像的有效特征。

主权项

1.一种基于聚类和分块特征提取的行人重识别方法，其特征在于，包括以下步骤：步骤1：收集监控摄像头下的行人图像，得到行人图像库Pedestrian01，对Pedestrian01进行k‑means聚类；步骤2：将聚类的图像分别输入DCGAN网络中，分别生成无标签图像；步骤3：采用聚类标注平滑归一化损失函数CLS对步骤2中生成的无标签图像进行标签分配，得到有标签的生成图像；步骤4：将收集的行人图像库与步骤3获得的生成图像融合，对收集的行人图像库进行扩充，得到新的行人图像库Pedestrian02；步骤5：将Pedestrian02水平划分为p块，每一块分别输入CNN网络中进行特征提取，获得图像的局部特征；步骤6：训练过程中采用聚类标注平滑归一化损失函数CLS以及交叉熵损失函数对CNN网络进行联合训练；步骤7：测试时，采用重排Re‑ranking优化，输出行人重识别结果。