一种基于混合注意力行人重识别方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115761632A(43)申请公布日2023.03.07(21)申请号202211436655.4G06V10/82(2022.01)(22)申请日2022.11.16(71)申请人西安邮电大学地址710061陕西省西安市长安南路563号申请人陕西烽火实业有限公司(72)发明人屈军锁张海洋(74)专利代理机构西安亚信智佳知识产权代理事务所(普通合伙)61241专利代理师骆怡洁(51)Int.Cl.G06V20/52(2022.01)G06N3/0464(2023.01)G06N3/08(2023.01)G06V10/74(2022.01)G06V10/774(2022.01)权利要求书2页说明书7页附图2页(54)发明名称一种基于混合注意力行人重识别方法(57)摘要本公开是关于一种基于混合注意力行人重识别方法。该方法包括：通过多尺度数据增强算法对图片数据集进行预处理，得到预处理后的图片数据集；其中，图片数据集为获取到的用于行人重识别的数据集；构建混合注意力网络模型，并对构建的混合注意力网络模型进行调整，得到行人重识别模型；将预处理后的图片数据集中的行人图片输入行人重识别模型中进行训练，得到训练好的所述行人重识别模型；将待识别图片和待识别视频输入训练好的行人重识别模型，输出识别结果。本公开通过该方法得到的行人重识别模型，可以提高行人重识别的效率与准确率。CN115761632ACN115761632A权利要求书1/2页1.一种基于混合注意力行人重识别方法，其特征在于，该方法包括：通过多尺度数据增强算法对图片数据集进行预处理，得到预处理后的所述图片数据集；其中，所述图片数据集为获取到的用于行人重识别的数据集；构建混合注意力网络模型，并对构建的所述混合注意力网络模型进行调整，得到行人重识别模型；将预处理后的所述图片数据集中的行人图片输入所述行人重识别模型中进行训练，得到训练好的所述行人重识别模型；将待识别图片和待识别视频输入训练好的所述行人重识别模型，输出识别结果。2.根据权利要求1所述基于混合注意力行人重识别方法，其特征在于，所述构建混合注意力网络模型，并对构建的所述混合注意力网络模型进行调整的步骤中包括：选用残差网络作为基本网络结构，在所述残差网络的最后三个瓶颈块添加混合注意力模块，得到调整后的所述混合注意力网络模型。3.根据权利要求2所述基于混合注意力行人重识别方法，其特征在于，所述构建混合注意力网络模型，并对构建的所述混合注意力网络模型进行调整的步骤之后还包括：对调整后的所述混合注意力网络模型进行添加辅助信息编码，得到所述行人重识别模型。4.根据权利要求3所述基于混合注意力行人重识别方法，其特征在于，所述辅助信息编码通过所述图片数据集中的域信息、视觉信息构建而成。5.根据权利要求1所述基于混合注意力行人重识别方法，其特征在于，所述将预处理后的所述图片数据集中的行人图片输入到所述行人重识别模型中进行训练，得到训练好的所述行人重识别模型的步骤中包括：使用难样本下的三元组损失函数调整所述行人重识别模型的参数；其中，所述三元组包括正样本、负样本和原样本。6.根据权利要求5所述基于混合注意力行人重识别方法，其特征在于，所述损失函数如下：A表示锚点的特征向量，P表示正样本的特征向量，N表示负样本的特征向量，d为欧氏距离，所以d(A,P)表示正样本和锚点之间的欧氏距离，d(A,N)表示负样本和锚点之间的欧氏距离，max指的是两距离之间的一个最大间隔，min指的是两距离之间的一个最小间隔，括号右下角+表示，当表达式的值大于等于零的时候，损失值为当前表达式的值，当表达式的值小于零的时候，损失值为零。7.根据权利要求4所述基于混合注意力行人重识别方法，其特征在于，所述将预处理后的所述图片数据集中的行人图片输入到具有编码的所述混合注意力网络模型中进行训练，得到训练好的行人重识别模型的步骤中包括：根据损失函数的值及损失函数曲线判断具有编码的所述混合注意力网络模型模型是否收敛。8.根据权利要求7所述基于混合注意力行人重识别方法，其特征在于，所述将预处理后的所述图片数据集中的行人图片输入到具有编码的所述混合注意力网络模型中进行训练，2CN115761632A权利要求书2/2页得到训练好的行人重识别模型的步骤中包括：当所述损失函数在预设次数训练中取值变化不大时，则判断具有编码的所述混合注意力网络模型收敛，并停止训练，得到训练好的所述行人重识别模型。9.根据权利要求8所述基于混合注意力行人重识别方法，其特征在于，所述得到训练好的所述行人重识别模型的步骤之后还包括：当编码的所述混合注意力网络模型收敛时，根据第一匹配率和平均精度均值判断收敛后的混合注意力模型性能。10.根据权利要求1所述基于混合