一种基于核化特征和随机子空间集成的行人再辨识方法技术

本发明专利技术涉及一种基于核化特征和随机子空间集成的行人再辨识方法，包括以下步骤：S1，获取行人图像的训练样本集和测试样本集，确定两个样本间的核化函数；S2，分别将两个样本集的原始特征转化为核化特征；S3，在训练样本集的核化特征空间中，随机选取多个不同的子空间，分别计算不同和相同行人图像对的核化特征差值的协方差矩阵及其逆矩阵，得到图像对的核化特征差值的分布函数；S4，分别在各子空间下，计算样本对为相同行人的概率和为不同行人的概率，将两个概率的比值作为样本间的距离；S5，对距离进行集成，得到各样本对间的最终距离。与现有技术相比，本发明专利技术具有良好的行人再辨识能力，适用于各种不同的特征，具有较强的鲁棒性。

【技术实现步骤摘要】
一种基于核化特征和随机子空间集成的行人再辨识方法
本专利技术涉及监控视频智能分析中的特征提取和距离度量学习方法，尤其是涉及一种基于核化特征和随机子空间集成的行人再辨识方法。
技术介绍
行人再辨识是指在一个多摄像机组成的系统中，对不同摄像机视角下的行人图像进行匹配的问题。它对于行人身份、行为等不同方面的分析提供了关键性帮助，并发展成为智能视频监控领域的关键组成部分。行人再辨识领域中主要的方法可以分为以下两类：1)基于特征表示的行人再辨识方法；2)基于度量学习的行人再辨识方法。在基于特征表示的行人再辨识方法中，低层视觉特征是最常用的特征。常用的低层视觉特征有颜色直方图、纹理等，具体描述如下：颜色直方图通过统计图像上颜色分布来描述整张图像或者其中一个小区域的颜色分布特征。它对于视角变化较为鲁棒，但容易受光照等亮度变换的影响，因此它通常在特定的彩色空间上提取。纹理特征描述的整张图像或者其中一个小区域的结构信息，对颜色直方图特征描述的颜色信息是个很好的补充。大部分行人再辨识算法都基于底层视觉特征实现的，然而当人类自身在进行行人再辨识任务时，往往不是完全通过底层视觉特征，而是更多通过具有语义的属本文档来自技高网...

【技术保护点】
一种基于核化特征和随机子空间集成的行人再辨识方法，其特征在于，包括以下步骤：S1，获取行人图像的训练样本集和测试样本集，确定两个样本间的核化函数，在每个样本集中，同一个行人具有多个图像；S2，分别将两个样本集的原始特征转化为核化特征，核化特征的维度均为训练样本集中的样本个数；S3，在训练样本集的核化特征空间中，随机选取多个不同的子空间，分别在各子空间下，计算不同行人图像对的核化特征差值的协方差矩阵及其逆矩阵，计算相同行人图像对的核化特征差值的协方差矩阵及其逆矩阵，得到图像对的核化特征差值的分布函数；S4，分别在各子空间下，计算测试样本集中样本对的核化特征的差值，根据差值协方差矩阵及其逆矩阵和分...

【技术特征摘要】
1.一种基于核化特征和随机子空间集成的行人再辨识方法，其特征在于，包括以下步骤：S1，获取行人图像的训练样本集和测试样本集，确定两个样本间的核化函数，在每个样本集中，同一个行人具有多个图像；S2，分别将两个样本集的原始特征转化为核化特征，核化特征的维度均为训练样本集中的样本个数；S3，在训练样本集的核化特征空间中，随机选取多个不同的子空间，分别在各子空间下，计算不同行人图像对的核化特征差值的协方差矩阵及其逆矩阵，计算相同行人图像对的核化特征差值的协方差矩阵及其逆矩阵，得到图像对的核化特征差值的分布函数；S4，分别在各子空间下，计算测试样本集中样本对的核化特征的差值，根据差值协方差矩阵及其逆矩阵和分布函数，计算样本对为相同行人的概率和为不同行人的概率，并将两个概率的比值作为两个样本间的距离；S5，对各不同子空间中计算出的距离进行集成，得到测试样本集中各样本对间的最终距离，用于行人辨识，最终距离越小，样本对为相同行人的可能性越高。2.根据权利要求1所述的一种基于核化特征和随机子空间集成的行人再辨识方法，其特征在于，所述的步骤S1中，核化函数为高斯核函数，步骤S3得到的分布函数为高斯分布函数。3.根据权利要求1或2所述的一种基于核化特征和随机子空间集成的行人再辨识方法，其特征在于，所述的步骤S1中，核化函数为k(xi,xj)，其中，σ＝1，xi、xj分别表示第i、j个训练样本。4.根据权利要求3所述的一种基于核化特征和随机子空间集成的行人再辨识方法，其特征在于，所述的步骤S2中，原始特征转化为核化特征的具体过程包括：将训练集X转化为核化特征

【专利技术属性】
技术研发人员：赵才荣，陈亦鹏，王学宽，卫志华，苗夺谦，田元，
申请(专利权)人：同济大学，
类型：发明
国别省市：上海,31