[發明專利]深度多視圖特征距離學習的行人重識別方法

有效

• 申請號: 201910091921.6
• 申請日: 2019-01-30
• 公開（公告）號: CN109902590B
• 公開（公告）日: 2022-09-16
• 發明（設計）人: 廖開陽;鄧軒;鄭元林;章明珠;雷浩;劉山林
• 申請（專利權）人: 西安理工大學
• 主分類號: G06V40/10
• 分類號: G06V40/10;G06V10/44;G06V10/50;G06V10/56;G06V10/80;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 北京國昊天誠知識產權代理有限公司 11315
• 代理人: 楊洲

深度多視圖特征距離學習的行人重識別方法，具體按照以下步驟實施：步驟1，提取區域特征向量；步驟2，區域劃分，先根據步驟1中得到的圖像的所有特征向量，通過歸一化算法l₂范數歸一化；再通過加和的方式表現圖像的矢量集合，之后再對圖像表示進行l₂范數歸一化處理；一幅圖像劃分為N個區域，得到深度區域聚合特征；步驟3，LOMO特征提取，對于參考集和測試集中的行人圖像分別提取傳統LOMO特征；步驟4，多視圖特征距離學習，從深度區域聚合特征和LOMO特征兩個角度出發，兩個特征分別通過度量方法XQDA訓練獲得兩個距離；步驟5，加權融合策略，對于步驟4得到的兩個距離通過參數加權融合獲得最終距離，并根據最終距離得到匹配的等級；能明顯提高行人重識別的魯棒性；提高行人重識別的性能。

技術領域

本發明屬于圖像分析及圖像識別技術領域，具體涉及一種深度多視圖特征距離學習的行人重識別方法。

背景技術

近年來，監控攝像機網絡在公共安全、商業活動、智慧交通、國防和軍事應用領域中的需求日益增加，如：在機場、地鐵、車站、銀行、學校和軍事設施等場所安裝監控攝像機網絡，用于安全自動無人監控，以有效確保國家設施和公眾的安全。正因為監控攝像機網絡具有如此大的應用前景，智能視頻監控系統引起了許多國家的高度重視，并投入大量資金開展了廣泛的研究工作。

行人重識別問題是通過多個攝像機視圖判斷行人是否為同一目標的過程，當前已廣泛應用于跟蹤任務的視頻分析和行人檢索中。但是在實際生活中，由于行人重識別受到視角、光照、姿態、背景雜波和遮擋等因素的影響，使得行人圖像在不重疊的攝像機視圖中的差異性較大，如何減少和降低這種差異性對行人重識別的影響，是當前行人重識別中存在的巨大問題和面臨的嚴峻挑戰。

特征表示和度量學習是行人重識別系統中的兩個基本要素，其中由于特征表示是構成距離度量學習的基礎，使其在行人重識別系統中顯得尤為重要。雖然度量學習具有一定的有效性，但它很大程度上取決于特征表示的質量。因此，當前許多研究致力于開發更加復雜和具有魯棒性的特征，用以描述可變條件下的視覺外觀，可以將其提取的特征劃分為兩類：傳統特征和深度特征。