[發明專利]基于深度學習編碼模型的人員再識別方法

在審

• 申請號: 201710080498.0
• 申請日: 2017-02-15
• 公開（公告）號: CN106778921A
• 公開（公告）日: 2017-05-31
• 發明（設計）人: 趙永威;譚佩耀;胡畏;李博
• 申請（專利權）人: 張烜
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于深度學習編碼模型的人員再識別方法，其特征在于，包括以下步驟：

首先，利用非監督RBM網絡采用自底向上的方式對提取的初始SIFT特征進行編碼得到視覺詞典；

其次，采用自頂向下的方式為整個網絡參數進行有監督微調；

然后，就是利用誤差反向傳播對初始視覺詞典進行有監督微調，獲取視頻圖像新的圖像表達方式，也就是圖像深度學習表示向量；

最后，利用圖像深度學習表示向量訓練線性SVM分類器用以對行人進行分類識別。

2.根據權利要求1所述的基于深度學習編碼模型的人員再識別方法，其特征在于，具體包括以下步驟：

首先，提取訓練圖像庫的SIFT特征；

其次，結合SIFT特征的空間信息，將鄰近的SIFT特征作為RBM的輸入，通過CD快速算法訓練RBM，得到隱藏層特征；

然后，鄰近的隱藏層特征作為下一層RBM的輸入，得到輸出詞典；

ω¹和ω²作為RBM的連接權重，RBM具有一個顯見層，一個隱層，但是在RBM中，同層的神經元之間是無連接的，這樣學習使得過程更簡單。

3.根據權利要求2所述的基于深度學習編碼模型的人員再識別方法，其特征在于：在網絡的訓練過程中，RBM的隱層與顯層之間是通過條件概率分布相關聯的，顯層和隱層的條件概率為：

$p\left(z_j\right|x)=sigmoid(b_j+\underset{i=1}{\overset{I}{\mathrm{\Σ}}}{\mathrm{\ω}}_{ij}{x}_i)---\left(1\right)$

$p\left(x_i\right|z)=sigmoid(c_i+\underset{i=1}{\overset{I}{\mathrm{\Σ}}}{\mathrm{\ω}}_{ij}{z}_j)---\left(2\right)$

其中，x_i，z_j分別代表特征層和編碼層，也就是RBM中的顯層與隱層；ω_ij為特征層x_i與編碼層之間的連接權重系數，給定權重系數矩陣ω和隱層偏置向量b，輸入層特征x就可以編碼為視覺詞典z，相應的給出ω和顯層偏置矩陣c就可以由視覺詞典z重構出特征x。對于RBM中一組給定的輸入層和編碼層(x,z)，其能量函數可計算如下：

$E(x,z)=-\log p(x,z)=-\underset{i=1}{\overset{I}{\Σ}}\underset{j=1}{\overset{J}{\Σ}}{x}_i{\mathrm{\ω}}_{ij}{z}_j-\underset{i=1}{\overset{I}{\Σ}}{c}_i{x}_i-\underset{j=1}{\overset{J}{\Σ}}{b}_j{z}_j---\left(3\right)$

基于能量函數，可得到(x,z)的聯合概率分布函數：

$p(x,z)=\frac{e^{-E(x,z)}}{{\mathrm{\Σ}}_{x,z}{e}^{-E(x,z)}}---\left(4\right)$

進而得到聯合分布的邊緣分布——特征輸入節點的概率分布，即：

$p\left(x\right)=\frac{{\mathrm{\Σ}}_z{e}^{-E\left(x,z\right)}}{{\mathrm{\Σ}}_{x,z}{e}^{-E\left(x,z\right)}}---\left(5\right)$

而RBM網絡訓練的目的就是使p(x)的值最大化，為此，對式(5)求其梯度得：

$\frac{\∂\log p\left(x\right)}{\∂{\mathrm{\ω}}_{ij}}=\<x_i{z}_j{\>}_{data}-\<x_i{z}_j{\>}_{\mathrm{mod}el}---\left(6\right)$

其中，<x_iz_j>_dist表示在分布dist下的期望，<x_iz_j>_data是指訓練數據集經驗概率分布下的期望值，而<x_iz_j>_model指該模型下概率分布的期望值，通常可由蒙特卡羅馬爾可夫鏈方法來得到模型樣例：

$x_i=f_{dec}(z,{\mathrm{\&omega;}}_i)=\mathrm{\&sigma;}\underset{j=0}{\overset{J}{\&Sigma;}}{\mathrm{\&omega;}}_{ij}{z}_j---\left(7\right)$

通過CD算法對RBM進行快速學習，加快參數的收斂，可得到權值w_ij的更新量為：

Δω_ij＝ε(<x_iz_j>_data-<x_iz_j>_model) (8)

其中ε為學習速率，通過CD算法，就可以得到不斷更新的參數，一直到參數收斂，得到初始的視覺詞典。