[發明專利]一種基于投影變換與字典學習的行人再識別的方法

有效

• 申請號: 201811425215.2
• 申請日: 2018-11-27
• 公開（公告）號: CN109766748B
• 公開（公告）日: 2022-09-23
• 發明（設計）人: 周維燕;唐劍;于曉雨
• 申請（專利權）人: 昆明理工大學
• 主分類號: G06V40/10
• 分類號: G06V40/10;G06V10/75
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明涉及一種基于投影變換與字典學習的行人再識別的方法，屬于數字圖像識別技術領域。本發明首先提取訓練樣本和測試樣本的底層視覺特征，將特征映射到低維判別性空間，使同一行人之間特征的歧義性達到最小，不同行人特征的發散性達到最大，再引入不連貫性正則項，使不同行人之間的編碼系數盡可能地相互獨立?；谧值鋵W習的方法首先根據訓練樣本圖像的特征，學習得到一個具有判別性的字典，然后利用字典的判別性，產生更具表達能力與判別性的編碼系數，來代替原始視覺特征進行行人的相似性度量，在測試階段通過迭代求解不同視角下行人的編碼系數，從進行相似性度量。從客觀指標上，本發明的識別率明顯的由于其他的傳統方法。

技術領域

本發明涉及一種基于投影變換與字典學習的行人再識別的方法，屬于數字圖像識別技術領域。

背景技術

隨著視頻監控系統大量的普及，僅僅依靠人工瀏覽和研判的方式來實現行人再識別耗費了大量的人力和物力，攝像機網絡環境嘈雜、人為無法控制導致很難提升準確率。由于利用計算機視覺技術對跨視角識別指定的人具備快速性、高效性，使得行人重識別技術受到越來越多的關注。在最近這五年里，行人重識別在目標追蹤和行為分析^[2]等方面有著至關重要的應用。例如，在刑偵工作方面可用于跨視角的嫌疑犯追蹤；在商業上，可以判斷同一個客戶對商場里商品的感興趣程度。

雖然，行人重識別有廣闊的應用前景，但在現實生活場景中仍面臨著巨大的挑戰。因不同攝像機下行人的視角、姿態、光照強度、背景雜波、遮擋等發生顯著的變化，這些變化導致同一個人在不同攝像機下外貌特征相差很大，很難判斷是否是同一人，而不同的人因行人體型、姿態衣著等外貌特征相似比同一個人在不同的攝像頭下更相似，區分開不同的人也極其困難。為了減輕這些變化，傳統的方法主要有兩種：一種是為行人設計魯棒性和判別性的描述子，為了區分不同的人。鄭等人認為行人在水平方向發生視角變化，在垂直方向上基本穩定不變，因此將行人圖片在垂直方向上分成6個條帶，再分別每個條帶上提取HSV直方圖顏色特征和Gabor濾波紋理描述兩種特征，串聯形成最終的特征向量。度量學習就是使用訓練集學習一個度量模型讓同類人之間的差異性很小，不同類人之間的差異性很大。Mignon等人通過PCCA(Pairwise Constrained Component Analysis)學習投影矩陣，將行人的特征投影到低維空間，在這個空間里，正樣本特征之間的馬氏距離小于某個閾值，同時負樣本特征之間的馬氏距離大于這個閾值。

以上兩種方法中，利用特征表示的方法直接提取特征進行匹配，不需要訓練階段，但顏色特征嚴重受光照條件的影響，紋理特征又受圖像分辨率的影響，導致很難提取魯棒性和判別性的特征，從而限制了算法的性能。

發明內容

本發明要解決的技術問題是提供一種基于投影變換與字典學習的行人再識別的方法，以用于解決光照和姿態的變化，背景雜波、遮擋等導致的行人匹配困難問題。

本發明的技術方案是：一種基于投影變換與字典學習的行人再識別的方法，包括如下步驟：

Step1、構建特征數據在兩個視角下的訓練樣本、測試樣本；

Step2、構建一種投影變換與字典學習的行人再識別方法的學習模型；

Step2.1、將原始的特征投影到低維的判別性空間，使同一行人之間特征的歧義性達到最小，不同行人特征的發散性達到最大；

Step2.2、引入不連貫性正則項