【技术实现步骤摘要】
特征稀疏表示多字典对学习行人再鉴识法
本专利技术涉及一种监控视频行人再鉴识法，特别涉及一种特征稀疏表示多字典对学习行人再鉴识法，属于监控视频行人鉴识
技术介绍
监控视频行人再鉴识是利用计算机视觉技术判断图像或视频序列中是否存在特定行人的技术，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，可以广泛应用于智能视频监控、智能安保等领域。由于不同摄像设备之间的差异，同时行人兼具刚性和柔性特性，外观易受穿着、遮挡、尺度、姿态和视角等影响，使得行人再鉴识成为计算机视觉领域中一个既具有研究和应用价值同时又极具挑战性的热门问题。现有技术的监控视频行人再鉴识大致可以分为两个方面：一是具有鉴别能力的特征表示方法，并且这种特征具有很好的鲁棒性，即使在视角和光照都发生变化的情况下，这种特征也能保持良好的鉴别能力；二是度量学习的方法对行人再鉴识模型的参数进行优化，通过度量学习得到一个度量空间，使得在这个度量空间中同一个人的影像相似度比不同人...
【技术保护点】
1.特征稀疏表示多字典对学习行人再鉴识法，其特征在于，同时考虑不同摄像头之间的差异和不同特征之间的差异，通过对每个摄像头中的不同特征分别进行稀疏表示，使两个摄像头中的同种特征获取一个耦合字典对，利用这些耦合字典来反映不同摄像头之间的差异和不同特征之间的差异；/n本专利技术提出基于稀疏表示的多字典学习算法，不仅考虑摄像头中不同特征之间的差异，还考虑不同摄像头之间的差异，本专利技术分为四个部分，第一部分为行人再鉴识基础框架，第二部分为构建特征稀疏表示多字典对模型，第三部分为行人再鉴识目标求解，第四部分为特征稀疏表示行人再鉴识耦合字典学习流程；/n第一部分，行人再鉴识基础框架：/...
【技术特征摘要】
1.特征稀疏表示多字典对学习行人再鉴识法，其特征在于，同时考虑不同摄像头之间的差异和不同特征之间的差异，通过对每个摄像头中的不同特征分别进行稀疏表示，使两个摄像头中的同种特征获取一个耦合字典对，利用这些耦合字典来反映不同摄像头之间的差异和不同特征之间的差异；
本发明提出基于稀疏表示的多字典学习算法，不仅考虑摄像头中不同特征之间的差异，还考虑不同摄像头之间的差异，本发明分为四个部分，第一部分为行人再鉴识基础框架，第二部分为构建特征稀疏表示多字典对模型，第三部分为行人再鉴识目标求解，第四部分为特征稀疏表示行人再鉴识耦合字典学习流程；
第一部分，行人再鉴识基础框架：
在训练阶段，对每一个摄像头中的所有影像分别提取颜色特征、纹理特征，然后把两个摄像头中同种类的特征进行稀疏表示，通过学习使得两个摄像头中同种类型的特征获取一个对偶字典对；
在检测阶段，首先将检测样本的特征通过各个特征对应的字典进行恢复和稀疏表示，恢复成基准样本集所处空间的特征向量，然后计算该特征向量与基准样本集中每个特征向量的欧式距离，最终将检测样本划分到距离最小的类别中；
两个摄像头之间的各类特征进行稀疏表示的过程一致，只是特征不同，以下只是详细说明两个摄像头中某一种特征进行稀疏表示的过程，其他特征稀疏表示的过程可类推获取，本发明将两个摄像头中的同一种特征看作两个不同的特征空间：潜在空间和观测空间其中的数据稀疏，即该数据可以用某个特定的字典稀疏表示，在观测空间Y中的数据和潜在空间X中的数据需要进行恢复或推断，潜在空间X中的数据x与对应的观测空间Y中的数据y之间存在着某个映射关系：y＝G(x)，假设这个映射关系为单映射，也即X→Y，任务是分别为空间X和Y寻找一个耦合字典对和其中w表示第w类特征(w＝1，2，如果w＝1表示颜色特征，w＝2表示纹理特征)，对于任意一个给定的数据利用该数据在字典上的稀疏表示恢复出与之对应的数据在字典上的稀疏表示，一个理想的耦合字典对和对于任何数据对表示空间X中第i个样本的第w类特征，表示空间Y中第i个样本的第w类特征，都满足下式：
其中，表示潜在空间X中的训练样本，表示观测空间Y中的训练样本，并且是稀疏表示，λ是一个平衡重构误差和稀疏性的参数，从两个空间之间进行数据恢复的过程基于压缩感知进行处理，观测空间和潜在空间通过一个线性随机投影函数G进行联系，字典选择一个数学上定义的基，而则利用线性投影函数G直接通过获取，采用机器学习方法从训练样本中学习耦合字典。
2.根据权利要求1所述的特征稀疏表示多字典对学习行人再鉴识法，其特征在于，第二部分，构建特征稀疏表示多字典对模型：
对一个给定数据恢复其对应的数据需要执行以下两个连续的步骤：
首先，根据式1获取数据在字典上的稀疏表示
其次，采用式得到数据
进行字典学习是最小化数据的重构误差，因此定义以下损失函数的平方：
然后，最优化字典对和通过最小化式3的期望得到：
在损失函数上加上更多的重构项，
其中，γ(0＜γ≤1)是调节二个重构误差的平衡因子。
3.根据权利要求2所述的特征稀疏表示多字典对学习行人再鉴识法，其特征在于，第三部分，行人再鉴识目标求解：目标函数式4是一个非线性并且非凸函数，首先固定字典和中的某一个，然后通过最小化目标函数求解另一个字典；
第一，当字典固定时，稀疏表示通过和来确定，则目标...
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。