[發(fā)明專利]一種基于稀疏學習的多攝像機非重疊視域行人匹配方法

有效

• 申請?zhí)枺?/td>: 201710568659.0
• 申請日: 2017-07-13
• 公開（公告）號: CN107358200B
• 公開（公告）日: 2020-09-18
• 發(fā)明（設計）人: 王洪元;張文文;萬建武;孫金玉
• 申請（專利權）人: 常州大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 南京知識律師事務所 32207
• 代理人: 李媛媛

1.一種基于稀疏學習的多攝像機非重疊視域行人匹配方法，其特征在于，包括以下步驟：

步驟1，從數據集中提取行人目標特征作為行人的原始特征；

步驟2，根據原始特征，利用稀疏學習通過如下表達式提取行人目標的高層語義特征：

其中，分別是樣本X和樣本Y的稀疏表示，樣本X和樣本Y對應的稀疏字典為和t是小于樣本數N的稀疏系數；表達式中λ為平衡參數，λ所在項為稀疏項，λ值越大，稀疏約束越大；

步驟3，將高層語義特征映射到公共隱空間；

步驟4，建立稀疏表示模型，并稀疏表示出樣本特征；

步驟5，利用步驟4處理好的樣本特征進行行人匹配。

2.根據權利要求1所述的一種基于稀疏學習的多攝像機非重疊視域行人匹配方法，其特征在于，所述步驟1中，行人目標特征包括行人的直方圖特征和紋理特征。

3.根據權利要求1所述的一種基于稀疏學習的多攝像機非重疊視域行人匹配方法，其特征在于，λ值為0.04或者0.05。

4.根據權利要求1所述的一種基于稀疏學習的多攝像機非重疊視域行人匹配方法，其特征在于，所述步驟3中，映射的具體過程為：

將一個樣本的兩個視角分別作為稀疏表示V_X和稀疏表示V_Y，通過以下公式得到矯正矩陣

再利用矯正矩陣R對稀疏表示V_X和V_Y進行矯正。

5.根據權利要求4所述的一種基于稀疏學習的多攝像機非重疊視域行人匹配方法，其特征在于，所述步驟4中，稀疏學習模型的目標函數表達式為：

其中，μ為平衡參數；

對目標函數采用交替迭代方法進行求解，具體步驟如下：

第一步，先隨機生成V_X、V_Y、U_X、U_Y和R這五個變量的初始值；

第二步，為了更新公式(1)中的V_X值，先固定V_Y、U_X、U_Y和R這四個參數的值，即公式(3)中有關樣本Y的兩項均為已知項，得到公式(4)：

第三步，將公式(4)改寫成公式(5)，利用稀疏學習SLEP軟件包來更新V_X值：

第四步，同理，為了更新V_Y的值，固定V_X、U_X、U_Y和R這四個參數的值，得到公式(6)：

第五步，將公式(6)改寫成公式(7)，用SLEP軟件包來更新V_Y值：

第六步，利用公式(8)和公式(9)更新U_X和U_Y的值：

第七步：利用公式(2)更新R的值；

第八步：利用每一次迭代計算出的U_X、V_X、U_Y、V_Y和R的值帶入公式(3)計算目標函數，重復多次迭代，直到目標函數值趨于穩(wěn)定收斂，得到最好的字典矩陣，然后用所述字典矩陣將樣本特征稀疏表示出來。

6.根據權利要求5所述的一種基于稀疏學習的多攝像機非重疊視域行人匹配方法，其特征在于，平衡參數μ的值為0.04或者0.05。