An embodiment of the present invention provides an optimization method and device for a function model for pedestrians rerecognition. The method includes: obtaining a feature vector of a pedestrian image pair; based on the feature vector, a function model related to the first order correlation, two order correlation and difference of the pedestrian image is established; and the function model is obtained. The corresponding loss function is trained according to the loss function to optimize the function model. The device executes the above method. The optimization method and device of the function model for the pedestrian re recognition provided by the embodiment of the invention, through the establishment of the function model of the first order correlation, the two order correlation and the difference correlation with the pedestrian image, and training the function model through the loss function, the function model is optimized, and the pedestrian image pair can be identified in an all-round way. Thus the accuracy of the re recognition of pedestrians is improved.
【技术实现步骤摘要】
一种面向行人再识别的函数模型的优化方法及装置
本专利技术实施例涉及人工智能
,具体涉及一种面向行人再识别的函数模型的优化方法及装置。
技术介绍
在公共安全视频监控领域,行人再识别有着重大的现实意义。行人再识别是指在已有的多个空间位置上不交叠的监控视频中,根据目标行人图像,检索目标行人是否出现在这些视频中.在公共场合寻找丢失儿童、刑侦侦查工作、相册管理等领域运用广泛。在不交叠的监控视频中,由于光照强度、监控视角、人行走姿态等的不同,同一个人也表现出很大的差异性,如何在变化较大的情况下,正常识别出来是同一个人,是一个非常有挑战的问题。近年来,也有大量的研究工作在解决这个问题。现有的行人再识别方法,主要分为无监督的算法和有监督的算法。无监督的算法主要侧重聚类的方式,对图像进行人工特征提取,根据对图像的理解,提取具有稳定性和区分性的特征,通过相似度函数,计算一对行人图像的相似度程度。有监督的算法主要是先通过人工标记相同行人图像对和不相同行人图像对,利用机器学习的算法,挖掘出具有稳定性和区分性的特征。但是不管是有监督和还是无监督的算法,都涉及特征的提取和相似度度量的选择,特别是相似度度量的选择,对识别的准确性有决定性的影响。现有的马氏距离度量相似度函数,提出了学习一个相似度函数,来识别一对行人图像。但是马氏距离相似度函数只能从差分空间,考虑相似性,对行人图像对的识别有一定的局限性。因此,如何优化行人再识别的函数模型,全面地对行人图像对进行识别,从而提高行人再识别的准确率,成为亟须解决的问题。
技术实现思路
针对现有技术存在的问题,本专利技术实施例提供一种面向行人再 ...
【技术保护点】
1.一种面向行人再识别的函数模型的优化方法,其特征在于,包括:获取行人图像对的特征向量;根据所述特征向量,建立与所述行人图像对一阶相关、二阶相关和差分相关的函数模型;获取与所述函数模型对应的损失函数,并根据所述损失函数对所述函数模型进行训练,以优化所述函数模型。
【技术特征摘要】
1.一种面向行人再识别的函数模型的优化方法,其特征在于,包括:获取行人图像对的特征向量;根据所述特征向量,建立与所述行人图像对一阶相关、二阶相关和差分相关的函数模型;获取与所述函数模型对应的损失函数,并根据所述损失函数对所述函数模型进行训练,以优化所述函数模型。2.根据权利要求1所述的方法,其特征在于,所述特征向量分别取自不重叠摄像头采集的相似行人图像对集合,以及不相似行人图像对集合;相应的,所述函数模型为:其中,f(X,Y)是函数模型、X和Y分别表示取自相似行人图像对集合S和不相似行人图像对集合D的行人图像对的特征向量、X和Y的特征向量的维度都为d、A表示由d×d个实数构成的矩阵、W1,W2,W3分别表示二阶相关因子(XTAY+YTAX)、一阶相关因子(X+Y)、差分相关因子(X-Y)对应的权重,表示由d个实数构成的一维向量、c是实数常数。3.根据权利要求1所述的方法,其特征在于,所述损失函数为:其中,J(θ)是损失函数、θ={W,A,c}、其中W=[W1T,W2T,W3T]Hk=[XkTAYk+YkTAXk,Xk+Yk,Xk-Yk]、K为行人图像对训练数据集,K中的每一个元素为((X,Y),t),t={-1,1},其中-1表示不相似图像对,1表示相似图像对、tk表示K中的每一个t、α和β都是常数、表示2范式,表示F范式。4.根据权利要求1所述的方法,其特征在于,所述并根据所述损失函数对所述函数模型进行训练,包括:采用梯度下降法计算所述损失函数,以对所述函数模型进行训练。5.一种面向行人再识别的函数模型的优化装置,其特征在于,包括:获取单元,用于获取行人图像对的特征向量;建立单元,用于根据所述特征向量,建立与所述行人图像对一阶相关、二阶相关和差分相关的函数模型;优...
【专利技术属性】
技术研发人员:陈昕,肖圣龙,李卓,
申请(专利权)人:北京信息科技大学,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。