[发明专利]一种基于判别字典学习的跨视角行人重识别方法

说明书

本发明涉及一种基于判别字典学习的跨视角行人重识别方法，属于数字图像处理技术领域。首先基于来自同一相机视角的行人图像共享相同域的事实，将不同视角的行人特征分为特定视角域信息分量和域不变行人外观特征分量，学习一个判别字典算法以创建用于描述域信息分量的域通用字典和描述域不变分量的域不变字典，同时强制同一视角下的行人编码系数具有很强的相似性；然后提出一个扩展正则项强制不同行人的编码系数保持一定距离，而同一行人的编码系数则尽可能接近；最后基于仅有行人特征信息的模型采用欧氏距离设计行人匹配方案。本发明提出的行人重识别方法能分离图像中的域信息来解决不同视角间的域偏移问题，产生好的识别效果。

技术领域

本发明涉及一种基于判别字典学习的跨视角行人重识别方法，属于数字图像处理技术领域。

背景技术

行人重识别是一种使用计算机视觉从不同相机拍摄的图像或视频序列中判断目标行人是否存在的技术。近年来，行人重识别由于在行人搜索，行人跟踪和行人行为分析中的广泛应用而引起了越来越多的研究者的关注，并且大量行人重识别的方法被提出。尽管计算机视觉的研究人员已经做出了很大努力来改善行人重识别系统的性能，但是由于行人的外观通常在跨摄像机视图中都表现出很大的视觉歧义，因此该技术仍存在巨大的挑战。

发明内容

本发明要解决的技术问题是提供一种基于判别字典学习的跨视角行人重识别方法，用以解决现有技术对于行人重识别域偏移的问题。

本发明的技术方案是：一种基于判别字典学习的跨视角行人重识别方法，包括如下步骤：

1)确定基于判别字典学习的跨视角行人重识别的总体模型框架；

2)将不同视角的行人图像特征分为特定视角域信息分量和域不变行人外观特征分量，学习一个判别字典算法以创建用于描述域信息分量的域通用字典和用于描述域不变分量的域不变字典；

3)训练字典的判别促进项；

4)提出一种扩展正则项强制不同行人的编码系数保持一定距离，而同一行人的编码系数则尽可能接近；

5)训练编码系数的判别促进项，强制具有相同视角的行人图像的编码系数具有很强的相似性；

6)确定基于判别字典学习的跨视角行人重识别的总体目标函数；

7)对总体目标函数中的要更新的变量进行求解；

8)基于仅有域不变行人外观特征的模型采用欧氏距离设计行人匹配方案。

具体地，所述的步骤1)的总体模型框架包括：

用表示两相机视角下的训练样本集，此时需要把鲁棒的特征表示学习和判别式度量学习整合到一个框架中，总体模型框架如公式(1)所示：

式中，表示所有相机下行人图像共享的域字典，表示域特定字典，用于在分离域信息后对行人外观特征进行编码，Z_a,Z_b是字典D上X_a和X_b的域信息的编码系数矩阵，Z_ta,Z_tb是对应于字典D_t的域特定信息的编码系数。Φ(D,D_t,Z_a,Z_b,Z_ta,Z_tb)是数据保真度项，将其最小化可以使学习的字典D和D_t具有表示能力。Ψ(D,D_t)是字典的判别促进项，Γ(Z_a,Z_b,Z_ta,Z_tb)是编码系数的判别促进项，将这两项最小化是为了使字典和编码系数具有较强的判别能力。是D的第列，而是D_t的第列。