[发明专利]基于注意力机制的全局特征和局部特征的行人再识别方法

摘要

本发明涉及一种基于注意力机制的全局特征和局部特征的行人再识别方法，包括：分别提取行人的全局特征和局部特征；在全局特征分支中，以整个行人特征图像作为输入，并将其送入空间注意力机制模块和通道注意力机制模块，将两个模块的特征表示进行融合；在局部特征分支中，把行人特征图水平平均分割为三部分，将分割的三部分输入到通道注意力机制模块得到每一部分的局部特征；将全局特征和局部特征送入特征向量提取模块，得到用于行人预测的特征向量；对整体网络进行训练，得到行人再识别模型。本发明充分利用行人图像的全局特征和局部特征，有效融合了注意力机制，使行人特征更具有判别力，获得了良好的行人再识别结果，提高了模型匹配准确率。

主权项

1.一种基于注意力机制的全局特征和局部特征的行人再识别方法，其特征在于包括以下步骤：步骤1、使用基于深度学习的卷积神经网络模型提取输入图像的基础深度特征，将行人特征图送入全局特征和局部特征分支中，分别提取行人的全局特征和局部特征；步骤2、在全局特征分支中，以整个行人特征图像作为输入，并将其送入空间注意力机制模块和通道注意力机制模块，然后将两个模块的特征表示进行融合；步骤3、在局部特征分支中，首先把行人特征图水平平均分割为三部分，然后将分割的三部分输入到通道注意力机制模块，对应得到每一部分的局部特征；步骤4、将全局特征和局部特征送入特征向量提取模块，得到用于行人预测的特征向量；步骤5、以交叉熵损失为目标函数对整体网络进行训练，得到基于注意力机制的全局特征和局部特征的行人再识别模型。