一种基于跨视图核协同表示的行人再识别方法技术

本发明专利技术涉及一种基于跨视图核协同表示的行人再识别方法，属于行人再识别技术领域。本发明专利技术的方法首先对数据集进行预处理，然后划分训练、测试集，再进行特征提取与降维；并进行跨视图核协同表示，最后识别待测样本。本发明专利技术采用了跨视图核协同表示方法，按照不同的视图分别处理样本，用CRC协同表示同一视图下的样本得到该视图所有样本的协同表示编码，然后对不同视图下同一个人的协同表示编码加上彼此相似性约束，最后将不同视图的CRC模型和编码相似性约束整合到同一个多任务学习框架中，联合地学习跨视图样本的协同表示编码，通过这种方式使CRC更适用于行人再识别任务。因此，本方法应对跨视图行人图像间的外观差异具有更强的鲁棒性。

【技术实现步骤摘要】
一种基于跨视图核协同表示的行人再识别方法
本专利技术涉及一种基于跨视图核协同表示的行人再识别方法，属于行人再识别

技术介绍
行人再识别(Personre-identification,Re-ID)起源于多摄像头跟踪，用于判断非重叠视域中拍摄到的不同图像中的行人是否属于同一个人。行人再识别涉及计算机视觉、机器学习、模式识别等多个学科领域，可以广泛应用于智能视频监控、安保、刑侦等领域。近年来，行人再识别技术引起了学术界和工业界的广泛关注，已经成为计算机视觉领域的一个研究热点。对行人再识别的研究可以追溯到2003年，Porikli等人利用相关系数矩阵建立相机对之间的非参数模型，获取目标在不同相机间的颜色分布变化，实现了跨视域的目标匹配。2006年，Gheissari等人首次提出行人再识别的概念，利用颜色和显著边缘线直方图实现行人再识别。经过多年的研究，行人再识别取得了诸多有意义的成果。2010年，Farenzena等人第一次在计算机视觉领域的顶级会议CVPR(Computervisionandpatternrecognition)上本文档来自技高网...

【技术保护点】
1.一种基于跨视图核协同表示的行人再识别方法，其特征在于，包括如下步骤：/n步骤一、利用A、B两摄像机拍摄行人图像，记为A、B两视图，从两视图中分别采集行人图像样本作为数据集，对数据集预处理，并划分训练集和测试集；/n训练集记为：

【技术特征摘要】
1.一种基于跨视图核协同表示的行人再识别方法，其特征在于，包括如下步骤：
步骤一、利用A、B两摄像机拍摄行人图像，记为A、B两视图，从两视图中分别采集行人图像样本作为数据集，对数据集预处理，并划分训练集和测试集；
训练集记为：和
测试集记为：和
步骤二、对训练集和测试集中的样本进行特征提取；
步骤三、利用核方法将所有样本映射到一个高维核特征空间；
步骤四、对高维核特征空间中的样本进行降维；
设两个视图的高维核特征空间中的鉴别投影为Py，目标维度为dim，且dim＜＜s，则它们满足：Py＝φ(Y)Ay,Px＝φ(X)Ax，其中，Ay，分别表示Py，Px对应的变换矩阵；
Ay通过求解如下广义特征值问题得到：Kyβy＝γyβy
则其中是通过Kyβy＝γyβy求得的第i个最大特征值对应的特征向量，是核特征空间中的样本核矩阵；降维后，A视图的训练样本的数据矩阵为：



同理，B视图的训练样本数据矩阵为其中Kx为核矩阵；
测试集的核数据矩阵为降维后，相应的数据矩阵为其中Kyg，Kxp为相应的核矩阵。
步骤五、利用跨视图核协同表示方法对Ygallery，Xprob中的样本进行协同表示；
Ygallery，Xprob的协同表示编码矩阵为：



其中，I是单位矩阵，λ,ζ是正则化参数，其中分别是Xprob和Ygallery对应的编码矩阵；
步骤六、依据余弦相似性度量逐对比较Ygallery，Xprob中样本的协同表示编码，按照相似度大小确定Xprob中样本的身份标签。


2.根据权利要求1所述基于跨视图核协同表示的行人再识别方法，其特征在于：所述步骤一中，数据集预处理包括去除不合格样本、整理样本标签、图像去噪，图像增强和图像规范化。


3.根据权利要求1所述基于跨视图核协同表示的行人再识别方法，其特征在于：所述步骤一中，划分训练集和测试集的方法为：分别从A、B摄像机采集的数据集中选取n张有标签行人图像作为训练集，用和分别表示由摄像机A和B采集的n个有标签训练样本，其中Train_datasetA的第i列表示采集自摄...

【专利技术属性】
技术研发人员：张国庆，蒋同，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：江苏;32