摘要
一种基于姿态引导的行人遮挡重识别方法,旨在提升复杂遮挡环境下的行人识别准确率;包括步骤:将行人图像输入至姿态估计网络中,利用HRNet姿态估计模型提取行人关键点并判断遮挡区域;通过对称结构特性,将未遮挡区域特征映射修复至被遮挡区域;构建特征复原损失函数以增强特征判别能力;将关键点区域细分为语义分组,并基于区域间语义关系进行特征聚合;引入全局增强模块结合多尺度池化和姿态引导实现全局特征提取;最终融合局部和全局特征进行行人表示。本发明有效解决遮挡导致的特征缺失和干扰问题,具有良好的识别性能和通用性,适用于视频监控、危险区域等实际场景中的遮挡行人识别任务。
技术关键词
重识别方法
姿态估计
池化特征
融合特征
网络特征
人体关键点
上下文特征
行人识别
行人特征
人体结构
全局特征提取
关键点特征
坐标
全局平均池化
语义
遮挡场景
置信度阈值
设计特征
模块
系统为您推荐了相关专利信息
业务分配方法
随机森林模型
实时数据
实时图像
时间序列特征
多尺度特征融合
裂缝检测方法
生成感兴趣区域
道路裂缝检测系统
注意力机制
神经网络方法
电池状态参数
注意力
掩码矩阵
融合特征
场景理解方法
道路交叉口
深度学习算法
大语言模型
交通监控图像