[发明专利]一种基于双角度排序优化的行人重识别方法

权利要求书

1.一种基于双角度排序优化的行人重识别方法，其特征在于，包括以下步骤：

步骤1：针对一个特定的查询p，分别通过基于全局特征描述方法和局部特征描述方法得到p的排序列表RL^g(p)和RL^l(p)，通过对两个排序列表的前k个结果取交集，得到他们双方都认同的最近邻即共同最近邻有k_c个；

步骤2：对里的每一个最近邻作为一个新的查询，保留原先的待查集，进行交叉的反向查询；其具体实现包括以下子步骤：

步骤2.1：对于全局特征描述方法，对进行反向查询时，用基于局部特征描述方法去查询，得到一个新的排序列表因此可以得到k_c个新的反向排序列表，即对于全局特征描述方法而言，可以得到共k_c+1个排序列表，

步骤2.2：对于局部特征描述方法，对进行反向查询时，用基于全局特征描述方法去查询，得到一个新的排序列表因此可以得到k_c个新的反向排序列表，即对于局部特征描述方法而言，可以得到共k_c+1个排序列表，

步骤3：对于全局特征描述方法，每个新的查询和它的排序列表根据新的排序列表与初始排序列表RL^g(p)的前k个的相似性，计算每个的排序列表赋的权重对于局部特征描述方法，每个新的查询和它的排序列表根据新的排序列表与初始排序列表RL^l(p)的前k个的相似性，计算每个的排序列表赋的权重

步骤4：对于全局特征描述方法，通过对新的k_c+1个排序列表进行加权融合，可以得到优化后的排序列表对于局部特征描述方法，通过对新的k_c+1个排序列表进行加权融合，可以得到优化后的排序列表对两种优化后的排序列表进行融合，得到交叉反向查询的排序融合排序列表RL^*(p)，其中，α表示融合的权重；

步骤5：对中的每一个行人构建一个双层图Graph＝<G,E,w>，根据其进行重排，第一层采用初始的基于全局特征描述方法得到的top-k个结果，第二层采用局部特征描述方法，取top-k结果，计算两层的Jaccard相似度，对中进行重排，并输出排序优化的结果。

2.根据权利要求1所述的基于双角度排序优化的行人重识别方法，其特征在于：步骤1中双方都认同的最近邻定义为：

$G_{K_c}\left(p\right)=\left\{{\mathrm{RL}}_k^g\left(p\right)\right\}\&cap;\left\{{\mathrm{RL}}_k^l\left(p\right)\right\}$

其中，和表示两种方法排序列表的前k个结果。