一种基于深层残差网络多尺度特征融合的行人重识别方法

摘要

本发明涉及行人重识别领域，特别涉及一种基于深层残差网络多尺度特征融合的行人重识别方法，包括步骤：S1：收集行人数据库；S2：利用训练好的行人检测器对行人数据库进行人体检测，得到行人检测框的位置信息；S3：根据行人检测框的位置信息，对行人数据库图像进行人体裁剪，裁剪后缩放到统一尺寸，并按照适当比例划分训练集和测试集；S4：在训练阶段，构建多尺度特征融合的残差神经网络，采用Softmax Loss和Triplet Loss损失函数进行联合训练，经过充分训练后得到最优的行人分类模型；S5：在测试阶段，该方法能同时兼顾全局特征和局部特征，并设计了一个高效的特征提取模块，加强深层网络的特征提取能力，从而能够有效地提升行人重识别的精度。