[发明专利]基于协同尺度学习的行人重识别方法

权利要求书

1.一种基于协同尺度学习的行人重识别方法，其特征在于：设给定长度为l的已标注训练样本集已标注行人训练样本x_i,a和x_i,b分别是第i个标注行人在摄像头a和b下的图像，构成行人图像对，y_i是第i个标注行人的标识，i的取值为1,2,…,l；长度为u的未标注行人训练样本集图像x_j是来源于摄像头a或b的第j个未标注行人训练样本，j的取值为1,2,…,u；

包括执行以下步骤，

步骤一，针对已标注训练样本集L，根据已标注训练样本集L中图像的颜色特征，并进行尺度学习，得到相应马氏距离中的协方差矩阵，记为投影矩阵M_c；根据已标注训练样本集L中图像的纹理特征，并进行尺度学习，得到相应马氏距离中的协方差矩阵，记为投影矩阵M_t；

步骤二，从未标注训练样本集U中随机选择m个摄像头a下的未标注行人训练样本x'_j,a作为查询对象、n个摄像头b下的未标注行人训练样本x'_j,b作为待查对象；针对每个查询对象x'_j,a，使用M_c进行马氏距离度量，按计算结果从高到低得到各待查对象的排序结果在使用M_t进行马氏距离度量，按计算结果从高到低得到各待查对象的排序结果其中，m和n为预设参数；

步骤三，针对每个查询对象x'_j,a，选取和中前P个结果中相同的结果得到查询对象x'_j,a的正样本，取和中后N个结果中相同的结果得到查询对象x'_j,a的负样本，将所得正、负样本及查询对象x'_j,a加入当前的已标注训练样本集L中并从未标注训练样本集U中去掉，生成新的已标注训练样本集L，返回步骤一更新M_c和M_t，直到未标注训练样本集U为空，得到最终的已标注训练样本集L，记为标注样本集L^*；其中，P和N为预设参数；

步骤四，对标注样本集L^*中图像融合颜色特征和纹理特征并进行尺度学习，得到相应马氏距离中的协方差矩阵M_f，最后基于M_f进行测试。

2.如权利要求1所述的基于协同尺度学习的行人重识别方法，其特征在于：所述马氏距离的函数定义如下，

给定两个图像的特征向量O_a和O_b，两者的距离D(O_a,O_b)定义为，

D(O_a,O_b)＝(O_a-O_b)^TM(O_a-O_b)    (1)

其中，M是一个半定矩阵，(O_a-O_b)^T是(O_a-O_b)的转置。

3.如权利要求2所述的基于协同尺度学习的行人重识别方法，其特征在于：通过极小化同一行人距离与不同行人距离的差值，求解M，求解时使用经典的随机梯度下降进行算法进行尺度学习得到结果。