[发明专利]一种基于尺度距离渐变函数分界面学习的动态低分辨率行人重识别方法

权利要求书

1.一种基于尺度距离渐变函数分界面学习的动态低分辨率行人重识别方法，其特征在于，包括以下步骤：

步骤1：提取图片的可视特征，具体是将训练数据分成正样本对和负样本对，其中每对图像来自不同的摄像头，设一个查询--在库图像对为(I_i,I_j)，在不考虑图像分辨率差异的情况下，提取每张图像I在相同维度m下的可视特征x；

步骤2：将步骤1提取的图片的可视特征进行尺度距离渐变函数的表示，该函数的表示由若干步组成，具体包括以下子步骤：

步骤2.1，得到图像一系列的可视特征；

步骤2.2，构成尺度距离渐变函数空间；

步骤2.3，用参数向量表示距离尺度渐变函数；

步骤3：基于步骤2得到的结果产生测试参数向量，采用线性插值法对在库图像进行上采样，从而获得更多的观测数据，在线重识别阶段得到了和训练阶段相同数量的观测数据，通过观测数据的回归，得到查询--在库图像对的测试参数向量；

步骤4：随机森林分类器来对图像对进行分类，具体包括：

步骤4.1，训练随机森林分类器；

步骤4.2，基于步骤4.1得到的结果进行分类。

2.根据权利要求1所述的一种基于尺度距离渐变函数分界面学习的动态低分辨率行人重识别方法，其特征在于，所述步骤2.1的具体方法包括：定义I_i的可视特征为其中，1表示采样图像是分辨率和原始图像的分辨率的尺度比；然后逐步地对I_j下采样，每一次下采样减少0.01个尺度值，通过这种方式得到一系列的可视特征，其中尺度比表示了两张图像的高度和宽度。

3.根据权利要求3所述的一种基于尺度距离渐变函数分界面学习的动态低分辨率行人重识别方法，其特征在于，所述步骤2.2的具体方法包括：将每张图像分成8行3列的24块，提取出每块的64维HSV特征，这样每张图像由1536维特征表示出来，然后算出下采样的在库图像和原始图片的分辨率尺度比k，以及I_i和I_j之间的欧式距离画出以k为横坐标,d为纵坐标的尺度距离渐变函数，为了便于观察，将图像对之间的欧式距离转换为另一种形式的距离每个图像对(I_i,I_j)的转换距离d'是随着尺度比k的变化而变化；在离线训练阶段，正样本对产生可行的距离尺度渐变函数，负样本对产生不可行的尺度距离渐变函数，可行和不可行的尺度距离渐变函数构成尺度距离渐变函数空间。