[發明專利]基于自適應距離度量學習的跨攝像機行人再識別方法

在審

• 申請號: 201710213901.2
• 申請日: 2017-04-01
• 公開（公告）號: CN107145827A
• 公開（公告）日: 2017-09-08
• 發明（設計）人: 于慧敏;謝奕
• 申請（專利權）人: 浙江大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 杭州求是專利事務所有限公司33200
• 代理人: 張法高,傅朝棟

1.一種基于自適應距離度量學習的跨攝像機行人再識別方法，其特征在于包括以下步驟：

步驟1：輸入距離度量學習的訓練數據，將不同攝像機下的行人圖片分別表示為查詢集和候選集其中是第i張查詢圖片和第j張候選圖片的特征向量，而和為對應行人的身份標簽，n為訓練階段查詢集的圖片總數，m為訓練階段候選集的圖片總數；

步驟2：選取查詢集中的查詢圖片x_i和候選集中的候選圖片y_j構成樣本對(x_i,y_j)，為樣本對分配二分類標簽z_ij，其中當時z_ij＝1，(x_i,y_j)被稱為正樣本對，而當時z_ij＝-1，(x_i,y_j)被稱為負樣本對；定義任意樣本對(x_i,y_j)之間的馬氏距離度量函數為：

dM(xi,yj)=||xi-yj||M2=(xi-yj)TM(xi-yj)]]>

其中M為馬氏距離中的距離度量矩陣；

步驟3：利用Logistic損失函數為訓練集中的每一樣本對(x_i,y_j)建立距離度量學習的損失函數：

ψ(xi,yj)=log(1+ezij·(dM(xi,yj)-ξ))]]>

其中ξ為訓練集中所有樣本對特征向量之間的歐式距離均值，當(x_i,y_j)為正樣本對時，損失函數約束馬氏距離d_M(x_i,y_j)小于ξ；而當(x_i,y_j)為負樣本對時，損失函數約束馬氏距離d_M(x_i,y_j)大于ξ；

步驟4：同時考慮訓練集中所有樣本對之間的損失函數約束，定義自適應距離度量學習的總體目標函數為：

Ψ(M)=Σi=1nΣj=1mψ(xi,yj)]]>

步驟5：根據訓練樣本的差異性，為不同樣本對的損失函數ψ(x_i,y_j)分配不同的訓練權重w_ij，使自適應距離度量學習的目標函數變為：

Ψ(M)=Σi=1nΣj=1mwij·ψ(xi,yj)]]>

步驟6：根據目標函數，將自適應距離度量學習定義為如下優化問題：

minMΨ(M),s.t.M≥0]]>

步驟7：使用加速近端梯度算法求解步驟6中的優化問題，得到對應的距離度量矩陣M；

步驟8：在測試階段，對于給定的查詢模板圖片的特征向量x^p和其它攝像機下可疑行人目標構成的候選圖片的特征向量組N為測試階段候選集的圖片總數，將距離度量矩陣M代入步驟2中的馬氏距離度量函數，分別計算x^p與每張候選圖片的特征向量之間的馬氏距離并按照馬氏距離大小對候選圖片進行排序，使與x^p馬氏距離較小的候選圖片排在隊列的前端。