技术详细介绍
本发明提供一种行人图像特征分类方法和系统，方法包括对样本数据集中的行人图像样本进行数据扩充；对扩充后的样本数据集中的行人图像样本进行分组，得到多个行人样本组；对样本进行选取，搭建多通道卷积神经网络，通过多通道卷积神经网络对每个样本数据分别进行全局特征和局部特征提取；设置损失函数，计算多通道卷积神经网络的损失值优化多通道卷积神经网络；通过优化后的多通道卷积神经网络分别对各个全局‑局部特征进行特征分类，得到各行人样本组的特征分类。
本发明将样本数据进行扩充，满足了三重损失对输入样本要求严格的条件，使用多重损失来优化多通道卷积神经网络更能保证鲁棒性，适用于多个场景进行行人图像特征的处理。