行人重识别方法、系统、介质及终端.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114973303A(43)申请公布日2022.08.30(21)申请号202110190326.5G06N3/08(2006.01)(22)申请日2021.02.18(71)申请人中国科学院上海高等研究院地址201210上海市浦东新区海科路99号申请人上海工业控制安全创新科技有限公司(72)发明人张富平魏建明(74)专利代理机构上海光华专利事务所(普通合伙)31219专利代理师徐秋平(51)Int.Cl.G06V40/10(2022.01)G06V10/30(2022.01)G06V10/82(2022.01)G06N3/04(2006.01)权利要求书2页说明书6页附图3页(54)发明名称行人重识别方法、系统、介质及终端(57)摘要本发明提供一种行人重识别方法、系统、介质及终端，包括以下步骤：获取包含行人的每帧图像的基础特征图；获取基础特征图的基础特征向量；获取基础特征向量的注意力分数向量；对注意力分数向量进行上采样，获取与基础特征图相同尺寸的注意力分数图；将每帧图像的基础特征图和注意力分数图组成特征组，将得到的特征组进行两两随机配对生成特征对；对于每个特征对，将两个特征组的基础特征图和注意力分数图交叉相乘，获取加权特征图；获取综合特征向量；获取行人整体表征。本发明的行人重识别方法、系统、介质及终端能够自动在提取的行人外观特征图中抑制背景环境噪声并更多地保留行人特征，从而在采用较低的计算量的同时，提升行人重识别精度。CN114973303ACN114973303A权利要求书1/2页1.一种行人重识别方法，其特征在于：包括以下步骤：将包含行人的图像帧序列输入基础特征提取网络，获取每帧图像的基础特征图；基于第一平均池化层获取所述基础特征图的基础特征向量；基于通道注意力模块获取所述基础特征向量的注意力分数向量；对所述注意力分数向量进行上采样，获取与所述基础特征图相同尺寸的注意力分数图；将每帧图像的基础特征图和注意力分数图组成特征组，将得到的特征组进行两两随机配对生成特征对；对于每个特征对，将两个特征组的基础特征图和注意力分数图交叉相乘，获取加权特征图；将每帧图像的加权特征图基于第二平均池化层获取综合特征向量；将所述综合特征向量基于全连接层获取行人整体表征。2.根据权利要求1所述的行人重识别方法，其特征在于：所述基础特征提取网络采用ResNet50网络。3.根据权利要求1所述的行人重识别方法，其特征在于：所述基础特征图中包含多个通道，所述基础特征向量长度与所述基础特征图的通道数相同；所述注意力分数向量长度与所述基础特征向量长度相同，所述注意力分数向量中的分数表示所述基础特征图中每个通道的加权系数。4.根据权利要求1所述的行人重识别方法，其特征在于：所述通道注意力模块包括依次连接的第一全连接层、Tanh激活函数、第二全连接层和Sigmoid激活函数。5.根据权利要求1所述的行人重识别方法，其特征在于：所述注意力分数图与所述基础特征图的尺寸相同。6.根据权利要求1所述的行人重识别方法，其特征在于：还包括计算所述行人整体表征的预测损失，通过反向传播算法优化所述基础特征提取网络、所述通道注意力模块和所述全连接层的网络参数。7.根据权利要求6所述的行人重识别方法，其特征在于：计算所述行人整体表征的预测损失包括以下步骤：基于距离度量函数计算两个图像帧的行人整体表征的距离；基于所述行人整体表征的距离和损失函数计算所述行人整体表征的预测损失。8.一种行人重识别系统，其特征在于：包括基础特征提取网络模块、第一平均池化层模块、通道注意力模块、上采样模块、特征对生成模块、交叉相乘模块、第二平均池化层模块和全连接层模块；所述基础特征提取网络模块用于将包含行人的图像帧序列输入基础特征提取网络，获取每帧图像的基础特征图；所述第一平均池化层模块用于基于第一平均池化层获取所述基础特征图的基础特征向量；所述通道注意力模块用于基于通道注意力模块获取所述基础特征向量的注意力分数向量；所述上采样模块用于对所述注意力分数向量进行上采样，获取与所述基础特征图相同2CN114973303A权利要求书2/2页尺寸的注意力分数图；所述特征对生成模块用于将每帧图像的基础特征图和注意力分数图组成特征组，将得到的特征组进行两两随机配对生成特征对；所述交叉相乘模块用于对于每个特征对，将两个特征组的基础特征图和注意力分数图交叉相乘，获取加权特征图；所述第二平均池化层模块用于将每帧图像的加权特征图基于第二平均池化层获取综合特征向量；所述全连接层模块用于将所述综合特征向量基于全连接层获取行人整体表征。9.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1至7中任一项所述的行人重识别方法。10.一种终