基于协同尺度学的行人重识别方法

摘要

本发明公开了一种基于协同尺度学的行人重识别方法，属于监控视频检索技术领域。本发明首先根据已标注训练样本集L中图像的颜色和纹理特征，进行尺度学得到相应马氏距离中的协方差矩阵M_c和M_t；随机选择查询对象使用M_c和M_t进行马氏距离度量，得到相应排序结果，从中取得正样本和负样本生成新的已标注训练样本集L，更新M_c和M_t，直到未标注训练样本集U为空，得到最终的标注样本集L^*，并融合颜色和纹理特征得到M_f，就可以使用基于M_f的马氏距离函数进行行人重识别。本发明在半监督框架下研究基于尺度学的行人重识别技术，通过未标注样本辅助标注样本进行尺度学，符合实际视频侦查应用标注训练样本难以获取的要求，能有效提升少标注样本下的重识别性能。

主权项

1.一种基于协同尺度学习的行人重识别方法，其特征在于：设给定长度为l的已标注训练样本集已标注行人训练样本x_i,a和x_i,b分别是第i个标注行人在摄像头a和b下的图像，构成行人图像对，y_i是第i个标注行人的标识，i的取值为1,2,…,l；长度为u的未标注行人训练样本集图像x_j是来源于摄像头a或b的第j个未标注行人训练样本，j的取值为1,2,…,u；包括执行以下步骤，步骤一，针对已标注训练样本集L，根据已标注训练样本集L中图像的颜色特征，并进行尺度学习，得到相应马氏距离中的协方差矩阵，记为投影矩阵M_c；根据已标注训练样本集L中图像的纹理特征，并进行尺度学习，得到相应马氏距离中的协方差矩阵，记为投影矩阵M_t；步骤二，从未标注训练样本集U中随机选择m个摄像头a下的未标注行人训练样本x'_j,a作为查询对象、n个摄像头b下的未标注行人训练样本x'_j,b作为待查对象；针对每个查询对象x'_j,a，使用M_c进行马氏距离度量，按计算结果从高到低得到各待查对象的排序结果在使用M_t进行马氏距离度量，按计算结果从高到低得到各待查对象的排序结果其中，m和n为预设参数；步骤三，针对每个查询对象x'_j,a，选取和中前P个结果中相同的结果得到查询对象x'_j,a的正样本，取和中后N个结果中相同的结果得到查询对象x'_j,a的负样本，将所得正、负样本及查询对象x'_j,a加入当前的已标注训练样本集L中并从未标注训练样本集U中去掉，生成新的已标注训练样本集L，返回步骤一更新M_c和M_t，直到未标注训练样本集U为空，得到最终的已标注训练样本集L，记为标注样本集L^*；其中，P和N为预设参数；步骤四，对标注样本集L^*中图像融合颜色特征和纹理特征并进行尺度学习，得到相应马氏距离中的协方差矩阵M_f，最后基于M_f进行测试。