【技术实现步骤摘要】
基于半监督学习的行人再识别方法
本专利技术涉及行人再识别的
，尤其涉及基于半监督学习的行人再识别方法。
技术介绍
行人重识别(Personre-identification)也称行人再识别，是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术。广泛被认为是一个图像检索的子问题，给定一个监控行人图像，检索跨设备下的该行人图像。旨在弥补固定的摄像头的视觉局限，并可与行人检测、行人跟踪技术相结合，可广泛应用于智能视频监控、智能安保等领域。尽管近年来计算机视觉从业者针对行人再识别任务从不同角度提出了大量算法，尝试不断提升在公开数据集上的识别率，但是由于一些现实因素的影响，行人再识别仍然是一个极具挑战性的任务。目前，一般使用半监督学习方法来解决行人再识别任务，流程大致为：首先对无标签样本进行自动标注；其次将有标签样本和自动标注后样本进行统一训练，进而优化模型，使得模型具有更好的判别能力。而对无标签样本进行自动标注后和标注后的利用存在两个问题：①对无标签样本进行自动标注时所使用方法的思想都是在影...
【技术保护点】
1.基于半监督学习的行人再识别方法，其特征在于，包括如下步骤：/nS100：学习一个投影矩阵U∈R
【技术特征摘要】
1.基于半监督学习的行人再识别方法，其特征在于，包括如下步骤：
S100：学习一个投影矩阵U∈Rd×c将原始的d维特征空间投影到c维子空间，使得UTX∈Rc×N在新的子空间中满足：来自于同一行人的样本对间欧氏距离更小，来自不同行人的样本对间欧式距离更大；来自于同一行人的样本定义为同类样本，来自不同行人的样本定义为不同类样本；
S200：将新样本采用投影矩阵U∈Rd×c投影到新的子空间，得到一个预测样本序列，该预测样本序列按照新样本与训练样本集中样本间的欧氏距离，从小到大的顺序排列。
2.如权利要求1所述的基于半监督学习的行人再识别方法，其特征在于，所述S100中学习投影矩阵U∈Rd×c的方法具体是：
S110:建立训练样本集，该训练样本集中包括若干样本，若干样本中包括有标签的样本和无标签的样本，有标签的样本中同一行人的样本标签相同；
设X＝[XL,XU]∈Rd×N表示所有的训练样本，其中N为训练集所包含的所有图片数目，d为特征向量的长度，表示NL个有标签样本，表示NU个无标签样本；
S120:建立目标函数如下：
其中L(U)为一个回归函数，为一个加权的回归函数，Ω(U)是一个正则化的约束，α,λ＞0为平衡系数；
S130:有标签样本损失函数为对比损失函数：对于采样的NP个样本对和若和来自同一行人的样本，那么在新的投影空间和之间的欧氏距离dn应该尽量小，接近于0；反之，则dn应该至少大于事先设定的一个阈值margin>0，如果不满足上述条件就...
【专利技术属性】
技术研发人员：葛永新，高志顺，
申请(专利权)人：镇江启迪数字天下科技有限公司，
类型：发明
国别省市：江苏;32
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。