[发明专利]基于两级融合的不完整属性标记行人重识别方法与系统

权利要求书

1.一种基于两级融合的不完整属性标记行人重识别方法，其特征在于，包括以下步骤：

步骤1：针对任一图片，为其定义“普通低层特征向量、普通高层属性向量、人工标记属性向量”三种属性向量；

⑴普通低层特征向量f，N_f是特征向量的维度，N_f是一个常数；

⑵普通高层属性向量a_g，N_a是属性分类器个数，即N_a种属性，某个分类器的分类的结果a_g取值为[-1，1]，+1代表图片具有该属性，-1代表图片不具有该属性；通过若干个训练出的属性分类器学习出的普通高层属性向量，普通高层属性向量包含所有分类器所对应的属性，信息完整；

⑶人工标记属性向量a_m表示，对任一种属性，出现属性标记为+1，未出现属性标记为-1，未标记的属性为0；由侦查员任选属性进行标记；

步骤2：基于跨层稀疏重构一致性考虑，利用普通低层特征向量、普通高层属性向量、人工标记属性向量进行前融合，得到完备高层属性向量；

其具体实现包括以下子步骤：

步骤2.1：基于收集获得的训练集形成特征字典D_f，用D_f重构普通低层特征向量f，通过目标函数Θ_f，对应f稀疏重构权重向量α；其中N表示训练集样本个数；

步骤2.2：基于训练集形成属性字典D_a，用D_a重构普通高层属性属性向量a_g，通过目标函数Θ_a，对应a_g稀疏重构权重向量β；

步骤2.3：基于跨层稀疏重构一致性考虑，特征字典D_f和属性字典D_a列间对应于一张图片，写出联合优化目标函数Θ，求出跨层一致约束下的稀疏重构权重向量α和β；

步骤2.4：基于上述α和β，结合人工标记属性向量信息，得出完备高层属性向量a；

步骤3：构建高层属性向量度量模型，即关注度-显著度匹配模型，其具体实现包括以下子步骤：

步骤3.1：关注度形式化表达；如果某些属性特征较另外一些属性特征被侦查员标记次数多，证明该种属性的关注度高，反之低；关注度形式化表达为dom_i；

步骤3.2：显著度形式化表达；如果某种属性出现次数比其他属性出现次数少，它引人注目的可能性就越大，从而更具有区分性，该种属性理应赋予更高的权重；显著度形式化表达为sal_i；

步骤3.3：属性向量间度量方式；结合关注度和显著度得到高层属性向量度量模型d(a,a')；其中a和a’表示两个属性向量；

步骤4：进行普通低层特征向量和高层属性特征排序结果的后融合，其具体实现包括以下子步骤：

步骤4.1：基于步骤1得出图像普通特征向量f得到基于低层特征的细粒度排序结果RF，其中RF＝{RF¹,RF²,…RF^M}，M为查询集中被标记的行人数；

步骤4.2：基于步骤2得出的图像完备高层属性向量a、步骤3得出的高层属性向量度量模型d(a,a')，得到基于高层特征的粗粒度排序结果RA，其中RA＝{RA¹,RA²,…RA^M}，M为查询集中被标记的行人数；

步骤4.3：对RA进行分组G＝{G¹,G²,…}，出于属性特征向量的粗粒度考虑，普通特征向量排序结果不变，调整属性特征向量排序结果，得到最终组合排序结果。

2.根据权利要求1所述的基于两级融合的不完整属性标记行人重识别方法，其特征在于：步骤2.1中所述的目标函数Θ_f定义为：

其中|| ||₁、|| ||₂分别为L₁和L₂范数，α是f目标稀疏重构权重向量，α∈R^N×1；λ是协调因子。