(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210013855.2 (22)申请日 2022.01.06 (71)申请人 山东师范大学 地址 250014 山东省济南市历下区文化 东 路88号 (72)发明人 张化祥　高文博　刘丽　朱磊　 孙建德　金圣开　于治楼　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 专利代理师 李琳 (51)Int.Cl. G06V 40/10(2022.01) G06V 20/17(2022.01) G06V 20/52(2022.01) G06V 10/82(2022.01)G06V 10/44(2022.01) G06V 10/74(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06K 9/62(2022.01) (54)发明名称 一种面向航空视角下的行人重识别方法及 系统 (57)摘要 本发明提供了一种面向航空视角下的行人 重识别方法及系统， 对预处理后的航空视角下的 行人图片进行特征提取以获得判别性特征； 采用 部分级注 意力矩阵来学习行人的判别级特征， 强 化有效区域、 弱化无效区域， 并在使用可变权值 将多个部分级特征转化为整体特征， 对特征进行 自适应学习， 实现行人重识别。 本发明可 以提高 从航空拍摄得到的行 人图片判断的能力。 权利要求书1页 说明书10页 附图3页 CN 114529938 A 2022.05.24 CN 114529938 A 1.一种面向航空视角下的行 人重识别方法， 其特 征是， 包括以下步骤： 对预处理后的航空视角下的行 人图片进行 特征提取以获得判别性特 征； 采用部分级注意力矩阵来学习行人的判别级特征， 强化有效区域、 弱化无效区域， 并使 用可变权值将多个部分级特 征转化为整体特 征， 对特征进行自适应学习， 实现行 人重识别。 2.如权利要求1所述的一种面向航空视角下的行人重识别方法， 其特征是， 在特征提取 的过程中， 构建 并训练卷积网络， 利用训练后的卷积网络进 行特征提取， 所述卷积网络采用 并行结构进行 搭建并辅以残差 机制来稳定和强化特 征提取过程。 3.如权利要求2所述的一种面向航空视角下的行人重识别方法， 其特征是， 所述卷积网 络包含有多层， 每层包括两个非共享参数 的卷积块来构成并行结构， 且在每一层之间添加 残差结构来丰富每一层学习得到的特 征信息。 4.如权利要求1所述的一种面向航空视角下的行人重识别方法， 其特征是， 所述卷积网 络以深度可分离卷积层为最小单位， 利用并行的具有不同感受野大小的IBlock， 并利用自 适应融合的方法调整两个IBlock不同的占比构成Cblock块， 同时Cblock块中也包含有残差 的机制， 将输入的特 征利用1×1卷积核直接作为输出的一部分； 采用可变参数的自适应融合机制来动态调整各个Cbl ock块所占的比值。 5.一种面向航空视角下的行 人重识别系统， 其特 征是， 包括： 预处理模块， 被 配置为对获取的航空视角下的行 人图片进行 预处理； 特征提取模块， 被配置为对预处理后的航空视角下的行人图片进行特征提取以获得判 别性特征； 自适应信息增强模块， 被配置为采用部分级注意力矩阵来学习行人的判别级特征， 强 化有效区域、 弱化无效区域， 并使用可变权值将多个部 分级特征转化为整体特征， 对特征进 行自适应学习， 实现行 人重识别。 6.如权利要求5所述的一种面向航空视角下的行人重识别系统， 其特征是， 所述自适应 信息增强模块接收提取的特征向量， 利用分块最大池化层将特征向量转为多个不重叠的部 分特征， 将分块后的特征向量复制三份分别传入三个参数不共享的全连接层中， 将其中一 个全连接层得到的输出进行转置操作后与另一全连接层的输出结果相乘以得到两个特征 之间的相似度， 将计算得到的注意力矩阵与剩下的全连接层得到的结果进 行内积得到强化 部分特征。 7.如权利要求6所述的一种面向航空视角下的行人重识别系统， 其特征是， 所述强化部 分特征包含行人身体的结构信息， 利用可变权重的注意力增强机制， 针对不同身体结构的 重要程度， 动态分配特 征中指定 部位的占比。 8.如权利要求5所述的一种面向航空视角下的行人重识别系统， 其特征是， 还包括参数 更新模块， 被配置为采用损失函数对网络进 行反向传播计算特征提取模块和自适应信息增 强模块的参数梯度值， 对参数进行 更新。 9.一种电子设备， 其特征是， 包括存储器和处理器以及存储在存储器上并在处理器上 运行的计算机指 令， 所述计算机指 令被处理器运行时， 完成权利要求 1‑4中任一项 所述的方 法中的步骤。 10.一种计算机可读存储介质， 其特征是， 用于存储计算机指令， 所述计算机指令被处 理器执行时， 完成权利要求1 ‑4中任一项所述的方法中的步骤。权　利　要　求　书 1/1 页 2 CN 114529938 A 2一种面向航空视角下的行人重识别方 法及系统 技术领域 [0001]本发明属于行人重识别技术领域， 具体涉及一种面向航空视角下的行人重识别方 法及系统。 背景技术 [0002]本部分的陈述仅仅是提供了与本发明相关的背景技术信息， 不必然构成在先技 术。 [0003]随着行人重识别方法的快速发展， 越来越多的方法已经被用于行人重识别领域， 但这些办法大多只注重于模型 的精度而忽略了模型 的参数量， 在实际情况中， 由于硬件的 限制， 无法将摄像头拍摄的行人信息传递到中央服务器中在服务器中运行行人重识别方 法。 因此在大规模的监控应用中， 最合适的办法应该是在摄像头端就进 行行人重识别方法， 只需要将处理得到的结果发送到中央服务器中， 减轻服务器的负担。 受到摄像头端嵌入式 设备的限制， 行人重识别方法参数无法与运行在服务端的行人重识别方法的参数量相比， 运行的嵌入式设备上 的行人重识别方法应该是轻量化的模型， 参数量应尽可能小、 精度尽 可能高。 [0004]在以无人机为代表的飞行器技术快速发展的今天， 灵活度与拍摄图片的清晰度有 着明显的提高， 特别是图片的清晰度已经可以媲美传统监控摄像头所拍摄的图片清晰度。 因此将行人重识别方法应用于飞行设备上， 从传统的地面监控转移到空中监控中， 可以使 行人重识别得到更广泛的应用。 [0005]行人重识别(Re ‑ID)的目的在于从多个互不相关的相机拍摄的图片、 视频中去寻 找身份相同的人员， 该方法可以应用于抓捕罪犯、 丢失人员寻找等领域， 传统行人重识别方 法中一般都利用街头摄像头所拍摄的图片/视频， 来进 行人员的追踪， 但是由于街头摄像头 可能存在视野盲区， 并且在一些偏僻的地区可能不存在可利用的摄像头。 目前飞行技术得 到广泛的发展， 飞行设备所搭载 的摄像头所拍摄的图片/视频的清晰度已经可以与传统监 控摄像头所媲美， 而目前行人重识别领域的大多研究工作都集中在地面监控中， 对空中监 控的研究较少。 [0006]目前航空视角下的行人重识别方法的难点主要集中于以下几个方面： 1.尽管无人 机搭载的摄像头可以与传统监控摄像头所媲美甚至略胜一筹， 但是由于无人机飞行高度一 般都在20米以上， 要 大于在地面摄像头所拍摄的距离， 因此得到的图片 /视频的清晰度必 然 会受到影响。 因此分辨率低是影响航空视角下行人重识别性能的重要因素。 2.在户外条件 下， 由相机所拍摄的行人图片中， 图片中的行人难免会受到遮挡， 遮挡的类型有很多， 比如： 树木、 建筑、 其他行人、 光线产生的阴影、 雨伞等。 如何解决遮挡问题也是航空视角下行人重 识别亟需解决 的问题之一3.由于航空视角下所拍摄的图片不同于地面上所拍摄的图片， 如 图1(a)、 (b)所示， 比较两幅由不同相机所拍摄的图片可知， 无人机所拍摄的图片(图1(a)) 为一俯视角图片， 人的头顶占有更大 的面积， 而其它有效信息无法有效捕捉(如裤子、 鞋 的 纹理信息)， 而地面摄像机所拍摄的图片(图1(b))人的特征被更好的拍摄出来， 因此航空视说　明　书 1/10 页 3 CN 114529938 A 3