基于分组特征赋权的动态视角图像特征融合

为了解决移动机器人在目标识别过程中捕获的图像存在多目标干扰和单一视角下目标特征有限,进而导致识别准确率低的问题,提出一种基于分组特征赋权的动态视角图像特征融合方法,该方法通过递进式K均值聚类,对多目标特征进行赋权分组,并且利用LSTM网络实现动态视角下连续图像特征的融合,从而达到提高目标识别的准确率的目的。验证结果表明,在Market-1501数据集上的首位识别率达到了93.80%,平均准确率达到了89.13%,具有较好的实验效果。