[发明专利]一种基于整体和局部深度特征融合的行人再识别方法

摘要

本发明实施例公开了一种基于整体和局部深度特征融合的行人再识别方法，该方法包括：构建局部特征目标网络和整体特征目标网络；把训练行人图像子区域对输入局部特征目标网络，得到局部特征学习模型；把测试行人图像子区域输入局部特征学习模型，得到子区域特征向量；把训练行人图像整幅输入整体特征目标网络，得到整体特征学习模型；把测试行人图像整幅输入整体特征学习模型，得到整体特征向量；将子区域特征向量和整体特征向量组合形成最终特征表示，计算该行人图像与训练图像的相似度，得到行人识别结果。本发明充分利用深度学习的优势，挖掘行人图像的局部特征和整体特征，最终结合两种特征形成图像的特征向量，提高了行人再识别的匹配正确率。

主权项

1.一种基于整体和局部深度特征融合的行人再识别方法，其特征在于，所述方法包括以下步骤：步骤S1，对预训练网络进行初始化，构建提取局部特征的局部特征目标网络；步骤S2，把训练集的行人图像分别划分为n个水平子区域，对应位置的子区域为子区域对，把子区域对输入到所述局部特征目标网络中，得到局部特征学习模型；步骤S3，把测试集的行人图像同样地划分为n个水平子区域，把每个子区域输入至所述局部特征学习模型中，得到子区域的特征向量pi(i＝1,2,…n)，其中，pi(i＝1,2,…n)表示第i个子区域的特征向量；步骤S4，对预训练网络进行初始化，构建提取整体特征的整体特征目标网络；步骤S5，基于构建的整体特征目标网络，把训练集的行人图像整幅输入至所述整体特征目标网络中，得到整体特征学习模型；步骤S6，基于所述整体特征学习模型，把测试集的行人图像整幅输入至所述整体特征学习模型中，得到行人图像的整体特征向量B；步骤S7，合并每幅行人图像的所有子区域特征向量形成行人图像的局部特征向量P，局部特征向量与整体特征向量B结合组成该行人图像的最终特征表示；步骤S8，基于行人图像最终的特征表示，计算该行人图像与训练集中任意一幅图像间的相似度，相似度最高的被认为是相同的行人，得到行人识别结果。