一种基于区域相关反馈的行人重识别方法及系统

摘要

本发明提供一种基于区域相关反馈的行人重识别方法及系统，进行初次查询匹配和反馈样本收集，选取不相关图像作为反馈样本并标记类型；确定近邻集合、区域权重调整和特征权重调整；进行特征表达和距离度量，得到查询匹配结果；查询匹配结果，如果符合要求则输出结果，如果不符合要求，则返回进行迭代更新反馈样本，直到符合要求。本发明提出的基于区域相关反馈的技术，是充分了利用行人图像的局部特征信息，从局部特征出发，结合其他信息实时动态地调整局部特征权重，并结合传统行人重识别方法最终实现准确快速地找出并成功匹配目标嫌疑人。

主权项

1.一种基于区域相关反馈的行人重识别方法，其特征在于：包括以下步骤，步骤S1，进行初次查询匹配和反馈样本收集，包括以下子步骤，步骤S1.1，进行初次查询匹配，包括将输入目标人物图像作为查询图像，进行初始查询并输出初始查询排序结果；步骤S1.2，进行反馈样本收集，在第一次执行步骤S1.2时，从初次排序结果在排名最靠前的一定预设数目的图像中选取不相关图像作为反馈样本并标记类型，构成反馈样本集；后续执行步骤S1.2时，从上一轮迭代执行步骤S4的所得查询排序结果中选取不相关图像作为反馈样本并标记类型，加入反馈样本集；标记类型方式为，设划分U个区域1、2…U，每个反馈样本分别标记为2U个类型之一，即与查询图像基于区域1相似、基于区域1不相似、基于区域2相似、基于区域2不相似…基于区域U相似、基于区域U不相似；对反馈样本进行标记时，按照区域的划分，在每个区域提取视觉特征，设得到M维特征向量，其中任一维记为第m维，根据特征向量与查询图像中对应区域分别进行相似性比较；步骤S2，进行确定近邻集合、区域权重调整和特征权重调整，包括以下子步骤，步骤S2.1，对查询图像，首先通过区域K近邻集合的方法寻找出基于区域相似的区域相似和区域不相似的样本集合；然后运用动态k近邻规则，对每一个标记为某区域相似的样本，更新调整并得到新的包含k个近邻的区域相似的集合，对每一个标记为某区域不相似的样本，更新调整并得到新的包含k个近邻的该区域不相似的集合；步骤S2.2，更新区域权重和特征权重，设查询图像p与反馈样本集中第i个反馈样本的图像之间相似性S_a(p,g_i)采用如下计算公式，$S_a(p,g_i)=\underset{j=1}{\overset{U}{\Sigma }}\left[W_j(p,g_i)\underset{m=1}{\overset{M}{\Sigma }}{W}_{F_{O_j}^{\left(m\right)}}S(F_{p_j}^{\left(m\right)},F_{g_{i,j}}^{\left(m\right)})\right]$    式一其中，代表第j个区域部位在m维特征向量下的特征权重；代表第j个区域部位在第m维特征向量；W_j(p,g_i)代表查询图像p与反馈样本之间的基于第j个区域部位区域权重；其中设代表查询图像p与反馈样本之间的基于第j个区域部位在第m维特征值下的相似度；j的取值为1、2…U，步骤S2.2.1，利用机器学习中距离度量的方法，更新区域权重采用如下计算公式，W_j(p,g_i)=W_j(p,g_i)×β₁β₁>1    式二W_j(p,g_i)=W_j(p,g_i)×β₂0<β₂<1    式三其中，W_j(p,g_i)表示第j个区域部位的区域权重，β₁、β₂为预设系数；步骤S2.2.2，利用机器学习中距离度量的方法，更新特征权重采用如下计算公式，$W_{F_{O_j}^{\left(m\right)}}=W_{F_{O_j}^{\left(m\right)}}\times \alpha /(1+{\mu }_m{\sigma }_m)$    式四其中，μ_m、σ_m分别表示第1、2…m维特征值的均值和方差，α为预设参数；步骤S3，根据步骤S2中所得调整后的区域权重和式一，进行特征表达和距离度量，得到查询匹配结果；步骤S4，显示步骤S3所得查询匹配结果，如果符合要求，则输出结果；如果不符合要求，则返回步骤S1.2进行迭代，直到符合要求。