欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 201811141945X
申请人: 昆明理工大学
专利类型:发明专利
专利状态:未下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于标签一致性约束与拉伸正则化字典学习的行人再识别方法,其特征在于:首先将原始图像特征映射到低维判别空间,用于降低不同视角下同一行人之间的发散性;

此外,为进一步提升字典的判别性,假设同一行人在低维空间中享有同一编码系数,增加拉伸正则项用于迫使视觉特征相似但身份不一致的行人之间的编码系数具有大的距离;为充分挖掘标记样本的标签信息,增加标签一致性约束项,并以此构建了字典与分类器联合的字典学习模型;在测试阶段,根据字典学习模型中学习到的参数进行相似性度量,从而进行行人再识别。

2.根据权利要求1所述的基于标签一致性约束与拉伸正则化字典学习的行人再识别方法,其特征在于:所述基于标签一致性约束与拉伸正则化字典学习的行人再识别方法的具体步骤如下:Step1、构建特征数据在两个视角下的训练样本、测试样本;

Step2、构建基于标签一致性约束与拉伸正则化的字典学习模型:

其中,l=a,b,Xa和Xb分别表示a和b视角下的训练样本,D表示字典,di为字典D中的任意一列,Ca和Cb表示a和b视角下行人的编码系数,β1>0,且β1∈R,用于调整tr(PlTPl)在模型中起到作用的权重,λ1>0,λ1∈R用于调整编码系数的稀疏程度,||·||F表示Frobenius范数,||·||2表示 范数,||·||1表示 范数,||·||2表示范数的平方运算符;β2>0,β2∈R,用于调整 在模型中起到作用的权重;ci和cj为编码系数C的第i和j列,为拉伸正则项,其定义为 α1>0,α1∈

R, 为标签一致性约束项,Y表示行人的标签信息,W为分类器;

Step3、根据字典学习模型中学习到的参数进行相似性度量,从而进行行人再识别。

3.根据权利要求1所述的基于标签一致性约束与拉伸正则化字典学习的行人再识别方法,其特征在于:所述步骤Step1的具体步骤如下:Step1.1、从公开数据集上的图片进行LOMO特征提取;

Step1.2、然后对特征数据进行降维,降维后的每张图片的数据为一个列向量(n×1),作为一个行人在一个视角下的样本;所有行人在一个视角下的样本数据为特征矩阵(n×m),n为特征的维数,m为行人的个数;

Step1.3、再以同样的方法得到行人在另一个视角下的样本数据特征矩阵,分别得到在两个视角下的特征矩阵,即得到特征数据两个视角下的训练样本、测试样本。

4.根据权利要求1所述的基于标签一致性约束与拉伸正则化字典学习的行人再识别方法,其特征在于:所述步骤Step2的具体步骤如下:Step2.1、在两个视角下引入投影矩阵Pa,Pb,用于缩小同一行人的外貌特征差异;引入投影矩阵Pa,Pb后的目标函数为式(1):其中,l=a,b,Xa和Xb分别表示a和b视角下的训练样本,D表示字典,di为字典D中的任意一列,Ca和Cb表示a和b视角下行人的编码系数,β1>0,且β1∈R,用于调整tr(PlTPl)在模型中起到作用的权重,λ1>0,λ1∈R用于调整编码系数的稀疏程度,||·||F表示Frobenius范数,||·||2表示 范数,||·||1表示 范数,||·||2表示范数的平方运算符;

Step2.2、在引入投影矩阵Pa,Pb后的目标函数中增加正则项 后的目标函数为式(2):其中,β2>0,β2∈R,用于调整 在模型中起到作用的权重;

Step2.3、在上述步骤Step2.2中目标函数的基础上再增加拉伸正则项,同时,考虑到不同视角下相同行人之间应该具有相同的编码系数即Ca=Cb=C,得到式(3)的字典学习模型其中,ci和cj为编码系数C的第i和j列, 为拉伸正则项,其定义为Step2.4、在上述步骤Step2.3中目标函数充分利用了行人图像对之间的对应关系,但未充分利用训练样本的标签信息,为弥补这一缺陷,提出如下的字典学习模型:其中,α1>0,α1∈R, 为标签一致性约束项,Y表示行人的标签信息,W为分类器。

5.根据权利要求4所述的基于标签一致性约束与拉伸正则化字典学习的行人再识别方法,其特征在于:所述步骤Step3的具体步骤如下:由字典学习模型式(4)获得字典D,投影矩阵Pa,Pb、以及分类器W之后,再通过式(5)和(6),求得a和b视角下的稀疏编码系数Ca和Cb;

其中,Za和Zb分别表示a和b视角下的测试样本;基于Ca和Cb,以及分类器W,提出式(7)的相似性度量方案,从而进行行人再识别:其中, 为两个不同视角编码系数列向量之间的距离,此距离最小时即再识别成功,不同视角编码系数列向量距离最小时编码系数所对应的行人为同一行人,ca,i表示编码系数Ca中的第i列,cb,j表示编码系数Cb中的第j列。