公开(公告)号：CN109446898A

公开(公告)日：2019-03-08

申请号：CN201811097958.1

申请日：2018-09-20

Applicant: 暨南大学

Inventor： 杨天奇 ,  陈英智

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种基于迁移学习和特征融合的行人重识别方法，包括以下步骤：获取行人数据，通过神经网络进行初步训练，修改完了结构并结合改进的损失函数在数据集中进行再次训练；进行手工特征提取和神经网络特征提取；提取特征之后，对两种特征进行融合，得到高-低级特征；使用XQDA算法对高-低级特征进行分类和验证，获取重识别结果；本发明采用交叉熵损失函数和三元组损失函数对整个网络加以更强的约束，再提取手工特征和卷积网络特征进行特征融合，形成高-低级特征，覆盖行人特征表达的不同层次，达到较好的识别效果，并以微调的形式减少训练时间，对于小数据集具有良好的泛化性和可移植性。

公开(公告)号：CN105260718B

公开(公告)日：2018-07-13

申请号：CN201510673318.0

申请日：2015-10-13

Applicant: 暨南大学

Inventor： 杨天奇 ,  罗正平 ,  刘延钧

IPC: G06K9/00

Abstract: 本发明公开了一种基于光流场的步态识别方法，根据个体的步态轮廓图像序列获取到步态光流场并检测出步态周期，将步态轮廓图像序列中多个步态周期下的各个步态光流场相叠加，获取到个体步态光流图，提取个体的各步态光流图的步态光流图行光流横向分量和向量、步态光流图行光流纵向分量和向量、步态光流图列光流横向分量和向量以及步态光流图列光流纵向分量和向量四个步态特征向量。将测试个体的上述四个步态特征向量与步态数据库中训练个体的对应的四个步态特征向量进行匹配，在步态数据库中识别出测试个体。本发明对光流分量分别行列分解得到步态特征来识别身份，能很好的提取人行走过程中的步态运动信息，对服饰、携带物等具有很强的鲁棒性。