[发明专利]一种基于正样本平衡约束的深度行人再标识方法

摘要

本发明提供一种基于正样本平衡约束的深度行人再标识方法，该方法使用的残差网网络结构简洁并且得到广泛应用，足够深的网络结构增强了特征表达能力，并且不需要对网络结构进行特别设计；发现用残差网分类器进行图像特征提取，行人再标识的准确率便可以高于大部分的精心设计的方法；相比于二元组损失和三元组损失的方法，提升结构损失不需要特意生成有效的样本便可以达到类似的效果，并且利用整体的分布信息，学习到的梯度方向更加稳健有效；在提升结构损失的基础上，增加了正样本平衡约束，不仅可以控制正样本对的距离，并且可以平衡正样本对距离和负样本对距离的梯度，使得算法更容易训练以及提升算法性能。

主权项

一种基于正样本平衡约束的深度行人再标识方法，其特征在于，包括以下步骤：S1：输入数据训练数据集其中，N是样本数量，d是图像像素，c是训练集中不同行人的数量，xi是d维的列向量，yi＝[yi1,yi2,yi3,…,yic]T是c维的列向量，其中的元素等于1或0，并且X＝[x1,x2,x3,…,xN]，X是d行N列的矩阵；S2：使用softmax分类模型对网络进行预训练；S3：使用基于正样本平衡约束的提升结构损失对网络进行训练；S4：对测试样本图像进行特征提取；S5：利用得到的特征对测试样本进行最近邻KNN分类进而得到再标识结果。