[发明专利]基于深度学习编码模型的人员再识别方法

权利要求书

1.一种基于深度学习编码模型的人员再识别方法，其特征在于，包括以下步骤：

首先，利用非监督RBM网络采用自底向上的方式对提取的初始SIFT特征进行编码得到视觉词典；

其次，采用自顶向下的方式为整个网络参数进行有监督微调；

然后，就是利用误差反向传播对初始视觉词典进行有监督微调，获取视频图像新的图像表达方式，也就是图像深度学习表示向量；

最后，利用图像深度学习表示向量训练线性SVM分类器用以对行人进行分类识别。

2.根据权利要求1所述的基于深度学习编码模型的人员再识别方法，其特征在于，具体包括以下步骤：

首先，提取训练图像库的SIFT特征；

其次，结合SIFT特征的空间信息，将邻近的SIFT特征作为RBM的输入，通过CD快速算法训练RBM，得到隐藏层特征；

然后，邻近的隐藏层特征作为下一层RBM的输入，得到输出词典；

ω¹和ω²作为RBM的连接权重，RBM具有一个显见层，一个隐层，但是在RBM中，同层的神经元之间是无连接的，这样学习使得过程更简单。

3.根据权利要求2所述的基于深度学习编码模型的人员再识别方法，其特征在于：在网络的训练过程中，RBM的隐层与显层之间是通过条件概率分布相关联的，显层和隐层的条件概率为：

$p\left(z_j\right|x)=sigmoid(b_j+\underset{i=1}{\overset{I}{\mathrm{\Σ}}}{\mathrm{\ω}}_{ij}{x}_i)---\left(1\right)$

$p\left(x_i\right|z)=sigmoid(c_i+\underset{i=1}{\overset{I}{\mathrm{\Σ}}}{\mathrm{\ω}}_{ij}{z}_j)---\left(2\right)$

其中，x_i，z_j分别代表特征层和编码层，也就是RBM中的显层与隐层；ω_ij为特征层x_i与编码层之间的连接权重系数，给定权重系数矩阵ω和隐层偏置向量b，输入层特征x就可以编码为视觉词典z，相应的给出ω和显层偏置矩阵c就可以由视觉词典z重构出特征x。对于RBM中一组给定的输入层和编码层(x,z)，其能量函数可计算如下：

$E(x,z)=-\log p(x,z)=-\underset{i=1}{\overset{I}{\Σ}}\underset{j=1}{\overset{J}{\Σ}}{x}_i{\mathrm{\ω}}_{ij}{z}_j-\underset{i=1}{\overset{I}{\Σ}}{c}_i{x}_i-\underset{j=1}{\overset{J}{\Σ}}{b}_j{z}_j---\left(3\right)$

基于能量函数，可得到(x,z)的联合概率分布函数：

$p(x,z)=\frac{e^{-E(x,z)}}{{\mathrm{\Σ}}_{x,z}{e}^{-E(x,z)}}---\left(4\right)$

进而得到联合分布的边缘分布——特征输入节点的概率分布，即：

$p\left(x\right)=\frac{{\mathrm{\Σ}}_z{e}^{-E\left(x,z\right)}}{{\mathrm{\Σ}}_{x,z}{e}^{-E\left(x,z\right)}}---\left(5\right)$

而RBM网络训练的目的就是使p(x)的值最大化，为此，对式(5)求其梯度得：

$\frac{\∂\log p\left(x\right)}{\∂{\mathrm{\ω}}_{ij}}=\<x_i{z}_j{\>}_{data}-\<x_i{z}_j{\>}_{\mathrm{mod}el}---\left(6\right)$

其中，<x_iz_j>_dist表示在分布dist下的期望，<x_iz_j>_data是指训练数据集经验概率分布下的期望值，而<x_iz_j>_model指该模型下概率分布的期望值，通常可由蒙特卡罗马尔可夫链方法来得到模型样例：

$x_i=f_{dec}(z,{\mathrm{\&omega;}}_i)=\mathrm{\&sigma;}\underset{j=0}{\overset{J}{\&Sigma;}}{\mathrm{\&omega;}}_{ij}{z}_j---\left(7\right)$

通过CD算法对RBM进行快速学习，加快参数的收敛，可得到权值w_ij的更新量为：

Δω_ij＝ε(<x_iz_j>_data-<x_iz_j>_model) (8)

其中ε为学习速率，通过CD算法，就可以得到不断更新的参数，一直到参数收敛，得到初始的视觉词典。