一种基于元类基学习器的行人重识别集成方法技术

本发明专利技术公开了一种基于元类基学习器的行人重识别集成方法。本发明专利技术方法首先对行人图像的深度特征向量聚类以获取元类集合能够使得元类中的图像在特征空间中语义相似；通过均匀划分卷积神经网络的全连接层获取每个元类对应的基学习器，解决对应元类的行人重识别子问题；同时给出了元类内的正例对和负例对及元类间负例对的采样过程、基学习器的训练方案以及自适应梯度加权的基学习器差异化策略。本发明专利技术能够有效地处理行人图像数据分布的复杂性，高效地利用深度特征的表示空间，从而获取更优越的行人识别性能。

An integrated method of pedestrian recognition based on metaclass based learner

【技术实现步骤摘要】
一种基于元类基学习器的行人重识别集成方法
本专利技术属于计算机
，具体是计算机视觉中的行人重识别
，涉及一种基于元类基学习器的行人重识别集成方法。
技术介绍
随着数字化城市的建设，视频监控设备被广泛应用于道路、商业区、生活区等公共场所，如何对采集到的海量视频数据进行智能分析变得尤为重要。行人重识别(PersonRe-identification)是一项重要的应用研究问题，其目标是在不同的摄像机视图之间匹配同一身份的行人图像。它可以广泛应用于智能视频监控、安保、刑侦等领域，例如跨摄像机视角的行人跟踪、大型图库中行人搜索、零售商店中的访客分析等实际场景。现阶段行人重识别的主流方法基于度量学习，而以马氏度量学习为主导的传统行人重识别技术通常利用手工设计的行人图像特征，并以线性投影方式学习行人图像相似度(或距离)度量函数；而以深度神经网络为主导的深度度量行人重识别方法大多侧重于单一的度量指标，通常从给定的行人图像数据分布中学习所有已观测样本的单个相似度度量函数，其优化目标是使得相似图像在深度特征空间中相互靠近，同时使得不相似图像相互本文档来自技高网...

【技术保护点】
1.一种基于元类基学习器的行人重识别集成方法，其特征在于，该方法首先获取行人图像的数据集，然后进行如下操作：/n步骤(1).通过卷积神经网络获取行人图像的深度特征向量并进行聚类，获得语义相似的图像元类，即图像簇；/n步骤(2).均匀划分卷积神经网络的全连接层，形成多个基学习器与行人图像元类对应；/n步骤(3).训练基学习器，输入对应元类内的正负样本对及元类间负样本对，计算样本对损失及梯度，并更新基学习器，采取自适应梯度加权策略更新下一个基学习器；/n步骤(4).重复步骤(1)～(3)，直至基学习器收敛，将测试图库输入基学习器组成的集成学习器，得到相同行人的图像集合。/n

【技术特征摘要】
1.一种基于元类基学习器的行人重识别集成方法，其特征在于，该方法首先获取行人图像的数据集，然后进行如下操作：
步骤(1).通过卷积神经网络获取行人图像的深度特征向量并进行聚类，获得语义相似的图像元类，即图像簇；
步骤(2).均匀划分卷积神经网络的全连接层，形成多个基学习器与行人图像元类对应；
步骤(3).训练基学习器，输入对应元类内的正负样本对及元类间负样本对，计算样本对损失及梯度，并更新基学习器，采取自适应梯度加权策略更新下一个基学习器；
步骤(4).重复步骤(1)～(3)，直至基学习器收敛，将测试图库输入基学习器组成的集成学习器，得到相同行人的图像集合。


2.如权利要求1所述一种基于元类基学习器的行人重识别集成方法，其特征在于步骤(1)具体方法是：
(1-1).对行人图像训练数据集进行预处理，得到预处理后的训练数据集，记为其中表示第i幅行人图像，N为图像数目；所述的预处理包括缩放、修剪、翻转、旋转操作；
(1-2).选用在大型图像数据集上预训练的残差卷积神经网络，将输入网络，所述的残差卷积神经网络中的全连接层将输出深度特征向量其中
(1-3).对深度特征向量进行聚类操作，通过聚类操作获得C个行人图像元类，聚类簇个数C由模型的超参数指定，C＝4～8；通过聚类算法，被组织成元类的集合Kl表示由语义上相似的行人图像组成的第l个行人图像元类。


3.如权利要求1所述一种基于元类基学习器的行人重识别集成方法，其特征在于步骤(2)具体方法是：
(2-1).按照线性顺序均匀地将残差卷积神经网络的全连接层划分为C段，作为C个基学习器fl表示第l个基学习器；
(2-2).第l个基学习器fl用于学习第l个行人图像元类Kl，使得基学习器与行人图像元类对应。


4.如权利要求1所述一种基于元类基学习器的行人重识别集成方法，其特征在于步骤(3)具体方法是：
(3-1).设批量样本元组Tl为第l个基学习器fl的训练样本，则对于每个行人图像元类Kl，批量样本元组Tl由一个参考深度特征向量相对的一个元类内正例特征向量以及(M-1)个元类内负例特征向量(C-1)个元类间负例特征向量组成，j＝1,2,...,C,j≠l，M为元类内的不同行人的类别...

【专利技术属性】
技术研发人员：李平，赵国潘，徐向华，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江;33