当前位置: 首页 > 专利查询>惠州学院专利>正文

行人重识别标记代价优化方法技术

技术编号:27846469 阅读:13 留言:0更新日期:2021-03-30 12:55
本发明专利技术涉及行人重识别标记技术领域,公开一种行人重识别标记代价优化方法,提出图像对数据标记代价优化策略,在贪婪选择图像对加入人工标记集之前,求解代表摄像机网络的完整k部图的最大生成树,将最大生成树中边对应的图像对加入人工标记集。最大生成树的边是连接的,增加了标记传递概率,有利于利用标记传递性来获得更多的自动标记增量,提高了图像对自动标记效率。动标记效率。动标记效率。

【技术实现步骤摘要】
行人重识别标记代价优化方法


[0001]本专利技术涉及行人重识别标记
,特别是涉及一种行人重识别标记代价优化方法。

技术介绍

[0002]行人重识别是利用计算机视觉技术在非重叠视角域多摄像机网络下对同一行人进行检索,确认不同位置的摄像机在不同的时刻拍摄到的行人目标是否为同一人,可以简单理解为是对不同的、没有视野重叠覆盖的摄像机拍摄的行人图像建立对应关系的处理过程。行人重识别被认为是一个图像检索的子问题,目的是弥补固定的摄像头的视觉局限,能够根据行人的体态、发型、穿着、行为等信息认知行人,缩减传统人工查阅视频图像、锁定人员轨迹的时间。
[0003]现阶段通过标记传递性来减少训练图像对的人工标记代价的方法,该方法基于标记之间存在传递性,可以利用传递性来自动推断某些图像对的标记属性,即选择最少数量的图像对进行人工标记,然后利用标记传递性来完成未标记图像对的自动标记;然而,现有算法在一定人工标记预算下可能会存在求解得到的边之间是分散的,从而不利于利用传递性来获得更多的自动标记增量。

技术实现思路

[0004]本专利技术的目的是克服现有技术中的不足之处,提供一种能够提高自动标记增量从而减少训练图像对的人工标记代价、以及增加标记传递概率的行人重识别标记代价优化方法。
[0005]本专利技术的目的是通过以下技术方案来实现的:
[0006]一种行人重识别标记代价优化方法,包括如下步骤:
[0007]S101、采集多个图像对,将各所述图像对进行比对,生成标记代价最小化图像对;/>[0008]S102、对所述标记代价最小化图像对进行模型化操作,生成完全K部图G
K
=(V,E),整数B,其中V为顶点集,E为边集,B为人工标记图像对数量的极大值;
[0009]S103、根据所述完全K部图G
K
,计算生成部图H=(V,S),其中S为人工标记集,且|S|≤B;
[0010]S104、根据所述完全K部图G
K
,结合最小生成树算法计算生成所述K部图G
K
的最大生成树,并将所述最大生成树对应的所述图像对加入至所述人工标记集中,以增加标记传递概率。
[0011]在其中一个实施例中,在所述步骤S104中,具体包括如下步骤:
[0012]S104a、将所述人工标记集赋值为空集,并对所述完全K部图G
K
进行复制操作,生成图G',并对所述图G'中所有的边进行权值取反操作;
[0013]S104b、计算所述图G'的最小生成树M,并将最小生成树M中的边按照生成的顺序对应生成多个标签进行一一进行标记。
[0014]在其中一个实施例中,在所述步骤S104b后,还包括如下步骤:
[0015]S104d、判断|S|<B是否成立,若是,则将该所述最小生成树M中当前所述标签所标记的边加入至所述人工标记集中,更新当前所述标签,并重复执行本步骤;
[0016]S104e、将该所述最小生成树M中对应所述标签所标记的边从所述完全K部图G
K
中删除,生成图G”。
[0017]在其中一个实施例中,在所述步骤S104e后,还包括如下步骤:
[0018]S104f、判断|S|<B是否成立,若是,则取所述图G”权值最重的边,并设该边为(u,v),其中u、v为该边的两个顶点,同时生成图T=(V,S∪(u,v)),并重复执行本步骤;
[0019]S104g、若否,则输出所述人工标记集。
[0020]在其中一个实施例中,在所述步骤S104f中,还包括如下步骤:
[0021]S104f1、判断所述图T是否存在三角形子图,若否,则将所述边(u,v)加入至所述人工标记集中;
[0022]S104f2、将边(u,v)从所述图G”中删除。
[0023]在其中一个实施例中,所述步骤S104f1通过枚举算法实现。
[0024]本专利技术相比于现有技术的优点及有益效果如下:
[0025]本专利技术为一种行人重识别标记代价优化方法,提出图像对数据标记代价优化策略,在贪婪选择图像对加入人工标记集之前,求解代表摄像机网络的完整k部图的最大生成树,将最大生成树中边对应的图像对加入人工标记集。最大生成树的边是连接的,增加了标记传递概率,有利于利用标记传递性来获得更多的自动标记增量,提高了图像对自动标记效率。
附图说明
[0026]为了更清楚地说明本专利技术实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本专利技术的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
[0027]图1为本专利技术一实施方式的行人重识别标记代价优化方法的步骤流程图;
[0028]图2为本专利技术一实施方式的行人重识别标记代价优化方法的模型图。
具体实施方式
[0029]为了便于理解本专利技术,下面将参照相关附图对本专利技术进行更全面的描述。附图中给出了本专利技术的较佳实施方式。但是,本专利技术可以以许多不同的形式来实现,并不限于本文所描述的实施方式。相反地,提供这些实施方式的目的是使对本专利技术的公开内容理解的更加透彻全面。
[0030]需要说明的是,当元件被称为“固定于”另一个元件,它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件,它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的,并不表示是唯一的实施方式。
[0031]除非另有定义,本文所使用的所有的技术和科学术语与属于本专利技术的

技术人员通常理解的含义相同。本文中在本专利技术的说明书中所使用的术语只是为了描述具体的实施方式的目的,不是旨在于限制本专利技术。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
[0032]一种行人重识别标记代价优化方法,包括如下步骤:
[0033]S101、采集多个图像对,将各图像对进行比对,生成标记代价最小化图像对;
[0034]S102、对标记代价最小化图像对进行模型化操作,生成完全K部图G
K
=(V,E),整数B,其中V为顶点集,E为边集,B为人工标记图像对数量的极大值;
[0035]S103、根据完全K部图G
K
,计算生成部图H=(V,S),其中S为人工标记集,且|S|≤B;
[0036]S104、根据完全K部图G
K
,结合最小生成树算法计算生成K部图G
K
的最大生成树,并将最大生成树对应的图像对加入至人工标记集中,以增加标记传递概率。
[0037]为了更好地理解本专利技术的构思以及技术方案,一种行人重识别标记代价优化方法,包括:
[0038]步骤S101、采集多个图像对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种行人重识别标记代价优化方法,其特征在于,包括如下步骤:S101、采集多个图像对,将各所述图像对进行比对,生成标记代价最小化图像对;S102、对所述标记代价最小化图像对进行模型化操作,生成完全K部图G
K
=(V,E),整数B,其中V为顶点集,E为边集,B为人工标记图像对数量的极大值;S103、根据所述完全K部图G
K
,计算生成部图H=(V,S),其中S为人工标记集,且|S|≤B;S104、根据所述完全K部图G
K
,结合最小生成树算法计算生成所述K部图G
K
的最大生成树,并将所述最大生成树对应的所述图像对加入至所述人工标记集中,以增加标记传递概率。2.根据权利要求1所述的行人重识别标记代价优化方法,其特征在于,在所述步骤S104中,具体包括如下步骤:S104a、将所述人工标记集赋值为空集,并对所述完全K部图G
K
进行复制操作,生成图G',并对所述图G'中所有的边进行权值取反操作;S104b、计算所述图G'的最小生成树M,并将最小生成树M中的边按照生成的顺序对应生成多个标签进行一一进行标记。3.根据权利...

【专利技术属性】
技术研发人员:骆伟忠胡辉唐宇泽
申请(专利权)人:惠州学院
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1