一种基于多层次监督网络的行人重识别方法

摘要

本发明涉及一种基于多层次监督网络的行人重识别方法，该方法通过一多层次监督网络对行人图像提取不同语义层次的特征，进而实现行人重识别；所述多层次监督网络包括一个多层深度卷积神经网络作为主干网络和多个分类模块作为特征提取子网络；主干网络将行人图像转换为不同语义层次的特征图，各分类模块通过监督学习将主干网络提取的各层特征图分别转化为具有区分性的特征向量，所有层次上的特征向量拼接形为最终特征向量，基于该最终特征向量实现行人重识别。与现有技术相比，本发明提取行人图像不同语义层次的特征，提高了特征的区分性，并利用半分离式的监督学习方式提高了训练过程的稳定性，提升了网络准确率性能，具有重识别准确率高等优点。