(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210274261.7 (22)申请日 2022.03.21 (71)申请人 中国矿业大 学 地址 221116 江苏省徐州市大 学路1号中国 矿业大学科研院 (72)发明人 汪一　孙彦景　王亮博　周玉　 李锐　 (74)专利代理 机构 南京新众合专利代理事务所 (普通合伙) 32534 专利代理师 彭雄 (51)Int.Cl. G06V 40/10(2022.01) G06N 3/08(2006.01) G06N 3/04(2006.01) G06V 10/44(2022.01)G06V 10/774(2022.01) G06V 10/82(2022.01) (54)发明名称 一种遮挡行 人重识别方法 (57)摘要 本发明公开了一种遮挡行人重识别方法， 原 始训练数据集中行人图像和对应遮挡行人图像 组成网络的输入对， 接下来将其送入权重共享网 络提取特征， 从而得到同一行人未遮挡 与遮挡图 像特征图， 然后通过特征感知模块对两幅特征图 进行信息交换， 从而使两者可以相互学到对 方具 有区别的特定特征。 特征感知模块主要通过对两 幅特征图进行拼接压缩， 之后通过加权聚合对特 征进行合并， 使得网络可以结合同一行人未遮挡 与遮挡图像特征之间的特点与共性。 本发明不仅 能够有效地解决遮挡行人重识别任务， 而且识别 精度高。 权利要求书2页 说明书10页 附图6页 CN 115497117 A 2022.12.20 CN 115497117 A 1.一种遮挡行 人重识别方法， 其特 征在于， 包括以下步骤： 步骤1， 获取完整行人图像及其对应的遮挡行人图像， 分别作为完整行人图像训练集和 遮挡行人图像训练集； 步骤2， 将完整行人图像训练集和遮挡行人图像训练集组成网络输入对， 将组成网络输 入对送入权重共享网络中进行特征提取， 从而得到同一行人未遮挡特征图与遮挡图像特征 图； 步骤3， 通过特征感知模块对步骤2得到的未遮挡特征图与遮挡图像特征图进行信 息交 换， 自适应地探索两个特 征图之间的相关特 征， 得到融合特 征图fr； 特征感知模块通过对未遮挡特征图fi和遮挡图像特征图fo在通道上进行级联， 得到融 合特征图fr， 接下来通过1 ×1的卷积层对通道数降维处理得到降维融合特征图fr1， 降维融 合特征图包含上下两个分支交 互融合的信息； 特征感知模块为未遮挡特征图fi和遮挡图像特征图fo产生未遮挡 注意权重图Ai和遮挡 遮挡注意权重图Ao， 将未遮挡特征图fi和遮挡图像特征图fo与降维融合 特征图fr1进行级联， 并且产生相对应地注意力权 重图Am； Am＝σ(F([fr1,fm]； θi)) m∈(i,o) 其中， σ 表示sigmoid函数， F代表两个串联的卷积层， 两个串联的卷积层都是采用1 ×1 ×1的卷积核， 两个串 联的卷积层中间伴随着有一个BN层和ReLU层； 通过卷积层运算来建模 上下两个分支之间的联系； 将得到的注意力图 图Am与特征图fm进行相乘， 得到特 征交互后的特 征图； 其中， 表示特征交互后的特 征图； 步骤4， 通过完整行人图像训练集和遮挡行人图像训练集对步骤2和步骤3建立的网络 进行训练， 得到训练好的网络； 步骤5， 通过训练好的网络对 遮挡行人图像识别， 完成遮挡行 人重识别。 2.根据权利要求1所述遮挡行人重识别方法， 其特征在于： 步骤1中完整行人图像训练 集为 对应的标签为 N代表一个批次里面训练图片的数量， 遮挡行人 图像训练集 对应的标签为 3.根据权利要求2所述遮挡行人重识别方法， 其特征在于： 步骤2中得到同一行人未遮 挡特征图与遮挡图像特 征图的公式： fi＝backbo ne(xi； θf) fo＝backbo ne(xo； θf) 其中， fi表示未遮挡特征图， C、 H、 W分别代表对应特征图的通道数量、 高 度和宽度， fo表示遮挡图像特 征图， θf代表权重共享网络的参数。 4.根据权利要求3所述遮挡行人重识别方法， 其特征在于： 步骤4中如下损 失函数对网 络进行训练： ltotal＝lbasic+ωld权　利　要　求　书 1/2 页 2 CN 115497117 A 2lbasic＝ λlcls+β ltriplet 其中， ltotal表示总损失， lbasic表示基础损失， ω表示总损失平衡参数， ld表示特征约束 损失， λ表示基础损失平衡参数一， β 表示基础损失平衡参数二， lcls表示标签平滑交叉熵损 失， ltriplet表示难样本三元组损失， N表示类别数目， yi表示输入照片真实标签， pi表示其预 测分数， P为随机选择的ID数目， K是每个ID数目选择的图片数量， 表示表示一个批次里面 的样本行人图像， 表示表示一个批次里面的正样本行人图像， 表示表示一个批次里面 的负样本行人图像。 5.根据权利 要求4所述遮挡行人重识别方法， 其特征在于： 权重共享网络采用resnet50 网络。 6.根据权利要求4所述遮挡行人重识别方法， 其特征在于： 基础损失平衡参数一λ＝ 0.3， 基础损失平衡参数二β ＝0.7。权　利　要　求　书 2/2 页 3 CN 115497117 A 3