[发明专利]一种基于投影变换与字典学习的行人再识别的方法

摘要

本发明涉及一种基于投影变换与字典学习的行人再识别的方法，属于数字图像识别技术领域。本发明首先提取训练样本和测试样本的底层视觉特征，将特征映射到低维判别性空间，使同一行人之间特征的歧义性达到最小，不同行人特征的发散性达到最大，再引入不连贯性正则项，使不同行人之间的编码系数尽可能地相互独立。基于字典学习的方法首先根据训练样本图像的特征，学习得到一个具有判别性的字典，然后利用字典的判别性，产生更具表达能力与判别性的编码系数，来代替原始视觉特征进行行人的相似性度量，在测试阶段通过迭代求解不同视角下行人的编码系数，从进行相似性度量。从客观指标上，本发明的识别率明显的由于其他的传统方法。

主权项

1.一种基于投影变换与字典学习的行人再识别的方法，其特征在于：包括如下步骤：Step1、构建特征数据在两个视角下的训练样本、测试样本；Step2、构建一种投影变换与字典学习的行人再识别方法的学习模型；Step2.1、将原始的特征投影到低维的判别性空间，使同一行人之间特征的歧义性达到最小，不同行人特征的发散性达到最大；Step2.2、引入不连贯性正则项其中，P_a：a视角下的映射矩阵，p_ai表示P_a中的第i列，P_b：b视角下的映射矩阵，p_bi表示P_b中的第i列，C_a：a视角下的行人编码系数，C_ai:为C_a的第i列，C_b：b视角下的行人编码系数，C_bi:为C_b的第i列，D:字典，d_i表示D中的第i列，α，λ均为大于0的实数，||·||_F表示Frobenius范数，||·₂表示l₂范数，||·||₁表示l₁范数，||·||²表示范数的平方运算符，T为矩阵的转置，如P^T为矩阵P的转置；Step3、迭代求解学习模型中映射矩阵P_a和P_b以及字典D，从而进行相似性度量；Step4、将step1中提取的训练样本特征数据以及Step3求得的投影矩阵和字典求得a，b视角下的编码系数再进行相似性度量，从而进行行人再识别。