一种基于集成聚类的无监督视频行人再识别方法及系统技术方案

本发明专利技术公开了一种基于集成聚类的无监督视频行人再识别方法及系统，该方法包括：S1、获取行人数据集并提取得到行人数据；S2、基于特征提取器对行人数据进行特征提取，得到数据特征；S3、基于集成聚类方法对数据特征进行聚类；S4、根据聚类结果构建伪标签并更新特征提取器参数；S5、返回步骤S2直至特征提取器收敛；S6、基于收敛的特征提取器提取特征，通过距离度量并排序，完成行人再识别。该系统包括：获取模块、提取模块、聚类模块、更新模块、循环模块和识别模块。通过使用本发明专利技术，能够使得聚类的结果更加具有鲁棒性和稳定性，有助于提高识别精度。本发明专利技术作为一种基于集成聚类的无监督视频行人再识别方法及系统质，可广泛应用于行人识别领域。别领域。别领域。

【技术实现步骤摘要】
一种基于集成聚类的无监督视频行人再识别方法及系统


[0001]本专利技术涉及行人识别领域，尤其涉及一种基于集成聚类的无监督视频行人再识别方法及 系统。

技术介绍

[0002]基于视频图像的视觉行人再识别是指利用计算机视觉技术关联非重叠域摄像头网络下的 相同行人，在视频安防和商业客流分析中具有重要应用。行人再识别的解决方法通常可以区 分为全监督和无监督两种类型。目前，全监督方法的局限性是只能使用带有人工标注的数据 集，无疑会受到人工标注成本高昂，标注数据集规模小的影响；完全无监督的视频行人识别 方法生成的伪标签都是只基于训练某一阶段的一次聚类结果，带有噪声的伪标签重新优化特 征提取器会使得网络退化而性能下降。

技术实现思路

[0003]为了解决上述技术问题，本专利技术的目的是提供一种基于集成聚类的无监督视频行人再识 别方法及系统，能够获取更可靠的伪标签，从而使得聚类的结果更加具有鲁棒性和稳定性。
[0004]本专利技术所采用的第一技术方案是：一种基于集成聚类的无监督视频行人再识别方法，包 括以下步骤：<br/>[0005]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于集成聚类的无监督视频行人再识别方法，其特征在于，包括以下步骤：S1、获取行人数据集并提取得到行人数据；S2、基于特征提取器对行人数据进行特征提取，得到数据特征；S3、基于集成聚类方法对数据特征进行聚类，得到聚类结果；S4、根据聚类结果构建伪标签并更新特征提取器参数；S5、返回步骤S2直至特征提取器收敛，得到收敛的特征提取器；S6、基于收敛的特征提取器提取特征，通过距离度量并排序，完成行人再识别。2.根据权利要求1所述一种基于集成聚类的无监督视频行人再识别方法，其特征在于，所述获取行人数据集并提取得到行人数据这一步骤，其具体包括：S11、基于监控摄像头获取监控数据，得到行人数据集；S12、根据行人检测器对行人数据集进行行人检测，得到行人检测框；S13、根据行人检测框进行裁剪，得到行人数据。3.根据权利要求2所述一种基于集成聚类的无监督视频行人再识别方法，其特征在于，所述基于集成聚类方法对数据特征进行聚类，得到聚类结果这一步骤，其具体包括：S31、对数据特征进行分离，得到全局特征和子特征；S32、基于DBSCAN聚类方法分别对全局特征和子特征进行聚类，得到多个初步结果；S33、基于层次聚类方法对多个初步结果进行集成，得到聚类结果。4.根据权利要求3所述一种基于集成聚类的无监督视频行人再识别方法，其特征在于，所述对数据特征进行分离，得到全局特征和子特征这一步骤，其具体包括：S311、将数据特征中每张图片的特征作为子特征；S312、将数据特征中...

【专利技术属性】
技术研发人员：谢晓华，钱锦浩，赖剑煌，
申请(专利权)人：中山大学，
类型：发明
国别省市：