公开(公告)号：CN111046732A

公开(公告)日：2020-04-21

申请号：CN201911096068.3

申请日：2019-11-11

Applicant: 华中师范大学

Inventor： 陈靓影 ,  徐如意 ,  杨宗凯 ,  张玉康 ,  刘乐元

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于多粒度语义解析的行人重识别方法及存储介质，包括训练步骤和测试步骤，所述训练步骤包括：利用人体语义解析算法将训练样本中的行人图像解析为多个粒度的语义区域的行人图像，其中至少一个粒度包含不同语义区域之间的过渡信息；将每个语义区域的行人图像输入到对应的卷积神经网络中，对每个语义区域进行分类训练，得到每个语义区域的分类器；利用所述分类器对相应的语义区域的行人图像进行特征提取，将提取到的特征进行特征融合，得到行人特征描述子；所述测试步骤包括：利用训练步骤得到的所述分类器和所述行人特征描述子对测试样本的行人图像进行行人重识别。本发明通过多粒度的人体语义解析方式实现语义的高度对齐，并且充分利用人体语义区域之间的过渡性信息，识别精确度高。

公开(公告)号：CN111046732B

公开(公告)日：2023-11-28

申请号：CN201911096068.3

申请日：2019-11-11

Applicant: 华中师范大学

Inventor： 陈靓影 ,  徐如意 ,  杨宗凯 ,  张玉康 ,  刘乐元

IPC: G06V40/10 ,  G06V10/80 ,  G06N3/0464 ,  G06V10/82 ,  G06N3/08

Abstract: 本发明公开了一种基于多粒度语义解析的行人重识别方法及存储介质，包括训练步骤和测试步骤，所述训练步骤包括：利用人体语义解析算法将训练样本中的行人图像解析为多个粒度的语义区域的行人图像，其中至少一个粒度包含不同语义区域之间的过渡信息；将每个语义区域的行人图像输入到对应的卷积神经网络中，对每个语义区域进行分类训练，得到每个语义区域的分类器；利用所述分类器对相应的语义区域的行人图像进行特征提取，将提取到的特征进行特征融合，得到行人特征描述子；所述测试步骤包括：利用训练步骤得到的所述分类器和所述行人特征描述子对测试样本的行人图像进行行人重识(56)对比文件Wang, G., et al..LearningDiscriminative Features with MultipleGranularities for Person Re-Identification.2018 ACM MultimediaConference (MM ’18).2018,1-9.高翔;陈志;岳文静;龚凯.基于视频场景深度学习的人物语义识别模型.计算机技术与发展.2018,(06),59-64.Sun, Y. , et al，.Beyond Part Models:Person Retrieval with Refined PartPooling(and A Strong ConvolutionalBaseline).arXiv:1711.09349v3.2018,第2页至第5页第2节至第4节，图1-3.Fang, H. S., et al，.Weakly and SemiSupervised Human Body Part Parsing viaPose-Guided Knowledge Transfer.arXiv:1805.04310v1.2018,第2页第2节至第5页第3节，图2.