摘要
本发明属于计算机视觉领域,公开了一种基于姿态引导的多粒度特征行人再识别方法,为了解决现有行人再识别存在着识别精度低的问题。本发明包括(1)构建多粒度特征提取网络模型;(2)训练所述多粒度特征提取网络模型,获得训练好的多粒度特征提取网络模型;(3)将待识别行人图像输入到训练好的多粒度特征提取网络模型,对全局特征、局部中粒度特征和局部细粒度特征进行融合,进而进行多粒度行人再识别。本发明构建了一种基于姿态引导的全局特征与局部特征融合的多粒度行人再识别方法,有效地解决杂乱场景下难以提取行人关键信息和局部遮挡时全局特征方法失效而造成识别精度不高的问题。
技术关键词
行人再识别方法
特征提取网络
关键点特征
多层卷积神经网络
细粒度特征
分支
人体关键点
图像
识别行人
热力图
网络特征
坐标
身体
特征方法
计算机视觉
鲁棒性
系统为您推荐了相关专利信息
投影变换矩阵
关键点特征
跟踪方法
计算机
电子设备
注意力机制
检测头
检测网络模型
动态
特征提取网络
文本
图像特征提取模型
编码器
信息抽取方法
语义实体