买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：深圳职业技术大学

摘要：本发明公开了一种基于互补特征动态融合网络模型的行人重识别方法及装置，互补特征动态融合网络模型包括HFE主分支和辅分支，HFE主分支包括Vit网络模块和NFC模块，该方法包括基于Vit网络模块从待识别图像中获取目标行人的结果向量，并从结果向量中提取行人全局特征向量；通过NFC模块获得拼接向量，并基于拼接向量和辅分支输入的补充性二维特征提取行人局部特征向量；基于行人全局特征向量和行人局部特征向量确定行人重识别结果。如此，基于Vit网络模块和辅分支模块进行特征融合，从而获得了细节更加丰富、准确的局部特征向量，再基于全局特征向量和局部特征向量进行重识别，提高了行人重识别结果的准确性。

主权项：1.一种基于互补特征动态融合网络模型的行人重识别方法，其特征在于，所述互补特征动态融合网络模型包括多级特征提取HFE主分支和辅分支，其中，所述HFE主分支包括视觉转换器Vit网络模块和邻域特征约束NFC模块；所述辅分支包括卷积神经网络CNN模块、特征重塑DSF模块和动态融合SDA模块；所述基于互补特征动态融合网络模型的行人重识别方法包括：步骤1，基于所述Vit网络模块从待识别图像中获取目标行人的结果向量，并从所述结果向量中提取行人全局特征向量；所述步骤1具体为：基于所述Vit网络模块的卷积操作将所述待识别图像切分为若干个相互重叠的图像块，并将所述图像块转换为向量序列；将位置信息编码、相机信息编码按元素相加的方式添加至所述向量序列中，获得所述结果向量；基于Vit网络中的12个转换块从所述结果向量中分阶段提取行人全局特征向量；步骤2，基于辅分支提取所述待识别图像的三维特征，并将所述三维特征对应的二维特征与从所述主分支中获得的继承类向量进行整合，获得补充性二维特征；所述步骤2具体为：基于所述CNN模块的瓶颈残差块提取输入图像的三维特征；基于DSF模块将所述三维特征的降维，获得二维层次特征；将所述二维层次特征拼接至从所述主分支中继承的继承类向量，获得补充性二维特征；步骤3，通过所述NFC模块获得拼接向量，并基于所述拼接向量和辅分支输入的补充性二维特征提取行人局部特征向量；所述步骤3具体为：基于所述NFC模块从所述Vit网络模块中倒数第二层转换块输出的目标特征中提取出目标类向量；将所述Vit网络模块获得的向量序列分割成若干个子向量序列；根据所述目标类向量分别与所述子向量序列进行拼接获得拼接向量；在浅层阶段，将所述补充性二维特征与所述拼接向量进行一一对应地交互，将交互结果保存为结果向量，其中所述补充性二维特征包括行人纹理信息和边缘纹理信息；在深层阶段，以聚合相邻卷积层的方式将所补充性二维特征与所述拼接向量进行聚合获得结果向量，其中所述补充性二维特征包括判别性特征；步骤4，基于所述行人全局特征向量和所述行人局部特征向量确定行人重识别结果；所述步骤4具体为：将所述行人全局特征向量和所述行人局部特征向量进行拼接，获得行人重识别特征向量；基于所述行人重识别特征向量与目标行人特征向量的相似度确定行人重识别结果。

全文数据：

权利要求：

百度查询： 深圳职业技术大学 基于互补特征动态融合网络模型的行人重识别方法及装置