一种基于自步反馈的行人重识别方法及系统技术方案

本发明专利技术提供一种基于自步反馈的行人重识别方法及系统。该方法首先分割样本区域，计算样本之间的亲密度；然后输入查询样本，计算出每个样本的分数以及不确定性，得到查询匹配结果；与此同时，定量评价每个样本在排序问题上的难易程度，将排序困难的样本挑选出来构成待反馈样本集，提交用户标记；用户反馈完成后，用反馈样本集更新样本标记，重新计算样本的排序得分和其难易程度，直到最终查找到用户期望的检索目标。本发明专利技术提出的基于自步学习和主动学习的反馈技术，充分了利用未标记图像的信息量，挑选对排序任务最困难的样本提供给用户标记，在有效减少用户标记的同时，能准确快速地找出正确的目标对象。

【技术实现步骤摘要】
一种基于自步反馈的行人重识别方法及系统
本专利技术涉及视频侦查领域中的行人重识别问题，属于一种基于自步反馈的行人重识别方法及系统。
技术介绍
监控视频中的行人重识别是在照射区域无重叠的多摄像头环境下匹配特定行人对象的技术。在实际视频侦查中，侦查员主要根据同一行人对象的活动画面和轨迹来快速锁定、排查和追踪嫌疑目标。传统人工浏览的视频侦查模式需要耗费大量的人力和时间，容易贻误破案时机。行人重识别技术便于视频侦查员快速、准确地发现嫌疑目标活动画面和轨迹，对公安部门提高破案效率、维护人民群众生命财产安全具有重要意义。现有行人重识别方法大致可以分为三类：第一类主要构造鲁棒的视觉特征，然后使用标准的距离函数(如欧式距离等)进行相似性度量。例如一种基于对称分割的多局部特征匹配的行人重识别方法，首先利用颜色特征线索对身体进行水平和垂直分割；其次提取各区域的多种颜色和纹理特征，并基于水平中轴加权上述视觉特征；最后综合使用上述特征进行对象的表示和匹配；第二类对于特征构造没有严格的要求，主要通过学习一个合适的尺度进行更准确的距离度量，将同类样本的差向量和不同样本的差向量分别表示成不同的高斯分布，然后用概率本文档来自技高网...

【技术保护点】
基于自步反馈的行人重识别方法，其特征在于：包括以下步骤：步骤1，进行数据准备；分割样本区域，计算样本之间在各自对应区域上的亲密度，将所有样本的分割成K个区域；步骤2，输入查询样本，计算出每个样本的分数以及不确定性，得到查询匹配结果，包括以下子步骤：步骤2.1将查询样本分成K个区域，给出被查询样本的初始的标记

【技术特征摘要】
1.基于自步反馈的行人重识别方法，其特征在于：包括以下步骤：步骤1，进行数据准备；分割样本区域，计算样本之间在各自对应区域上的亲密度，将所有样本的分割成K个区域；步骤2，输入查询样本，计算出每个样本的分数以及不确定性，得到查询匹配结果，包括以下子步骤：步骤2.1将查询样本分成K个区域，给出被查询样本的初始的标记初始的是第i个样本的第k个区域和查询样本的第k个区域之间的距离；步骤2.2，计算出一对样本在流形排序上的损失；步骤2.3根据样本之间的亲密度，反馈的样本信息，求得样本的排序分数以及不确定性；步骤3，将第i个样本第k区域的不确定性值按照从大到小的顺序进行排序，从每个区域选出v值比较大的样本，构成待反馈样本集；步骤4，查询匹配结果，如果符合要求则输出结果，如果不符合要求，从待反馈样本集选出样本，进行标记，构成反馈样本集；步骤5，用反馈样本集更新样本标记，返回步骤2，进行迭代更新反馈样本，直到符合要求。2.根据权利要求1所述的基于自步反馈的行人重识别方法，其特征在于：所述步骤2.1中，将查询样本分成K个区域，并需要计算样本之间在各自对应区域上的亲密度，也就是将所有样本的分割成K个区域，计算出每个区域内被查询样本之间的亲密度，生成亲密度矩阵其中反应了在第个k区域，样本xi和样本xj的相似度，是第i个样本和第j个样本在第k个区域之间的距离，m是样本的个数。3.根据权利要求1所述的基于自步反馈的行人重识别方法，其特征在于：所述步骤2.2中，计算出一对样本在流形排序上的损失；计算公式如下公式中第一项是平滑正则项，代表相似的样本应该具有相似的分数，后两项是约束项，要求分数和用户的反馈不能相差太大；α是平滑项和约束项之间权重参数。4.根据权利要求1所述的基于自步反馈的行人重识别方法，其特征在于：所述步骤2.3中，根据样本之间的亲密度，反馈的样本信息，求得样本的排序分数以及不确定性；其中计算公式如下其中表示第i个样本第k区域的不确定性；不确定性通常是由排序损失和自步学习的阈值决定的；当样本排序损失比自步学习的阈值小的时候，其对应的不确定值和就会...

【专利技术属性】
技术研发人员：梁超，闫素，黄文军，徐东曙，李晨阳，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北,42