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<img file="FDA0000471493240000011.GIF" wi="539" he="109" />已标注行人训练样本x<sub>i,a</sub>和x<sub>i,b</sub>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<sub>i</sub>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<img file="FDA0000471493240000012.GIF" wi="250" he="103" />图像x<sub>j</sub>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<sub>c</sub>;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<sub>t</sub>;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'<sub>j,a</sub>作为查询对象、n个摄像头b下的未标注行人训练样本x'<sub>j,b</sub>作为待查对象;针对每个查询对象x'<sub>j,a</sub>,使用M<sub>c</sub>进行马氏距离度量,按计算结果从高到低得到各待查对象<img file="FDA0000471493240000013.GIF" wi="172" he="102" />的排序结果<img file="FDA0000471493240000014.GIF" wi="229" he="92" />在使用M<sub>t</sub>进行马氏距离度量,按计算结果从高到低得到各待查对象<img file="FDA0000471493240000015.GIF" wi="164" he="102" />的排序结果<img file="FDA0000471493240000016.GIF" wi="219" he="92" />其中,m和n为预设参数;步骤三,针对每个查询对象x'<sub>j,a</sub>,选取<img file="FDA0000471493240000017.GIF" wi="202" he="92" />和<img file="FDA0000471493240000018.GIF" wi="196" he="92" />中前P个结果中相同的结果得到查询对象x'<sub>j,a</sub>的正样本,取<img file="FDA0000471493240000019.GIF" wi="203" he="92" />和<img file="FDA00004714932400000110.GIF" wi="200" he="92" />中后N个结果中相同的结果得到查询对象x'<sub>j,a</sub>的负样本,将所得正、负样本及查询对象x'<sub>j,a</sub>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<sub>c</sub>和M<sub>t</sub>,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<sup>*</sup>;其中,P和N为预设参数;步骤四,对标注样本集L<sup>*</sup>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<sub>f</sub>,最后基于M<sub>f</sub>进行测试。 |