[发明专利]一种基于距离正则化投影和字典学习的行人重识别方法

说明书

本发明公开了一种基于距离正则化投影和字典学习的行人重识别方法，属于智能监控技术领域，本发明提出了一种新颖的字典学习框架以学习用于行人重识别中的判别和鲁棒性表示，判别字典和投影矩阵联合学习，通过学习投影矩阵，人物特征的编码系数被映射到低维子空间，从而有效地缓解非重叠视图中的行人差异。为了提高学习字典的判别能力，并且解决视觉模糊和外观变化的问题，引入顶端距离正则化在字典学习框架中以提炼出编码系数的解空间，提高了表示特征的能力，解决了度量学习中受到的限制问题，本发明引入了投影矩阵和顶端距离正则化项，在一定程度上缓解了非重叠视图中的行人差异，在行人重识别任务中取得较好的效果。

技术领域

本发明涉及一种基于距离正则化投影和字典学习的行人重识别算法，属于智能监控技术领域。

背景技术

行人重识别，也称行人再识别，其任务是在不同物理位置分布的非重叠摄像机视图中匹配相同的行人。广泛被认为是一个图像检索的子问题。给定一个监控行人图像，检索跨设备下的该行人图像。旨在弥补目前固定的摄像头的视觉局限，并可与行人检测、行人跟踪技术相结合。近几年来，行人重识别日益受到关注并取得了一些重大的研究进展，被广泛应用于计算机视觉、安全监控、行人搜索以及刑事调查等领域。

国内外学者在行人重识别方面取得了一系列重大研究进展，发展起了很多方法。按照学习的重点，这些方法主要有基于特征提取的行人重识别方法、基于度量学习的行人重识别方法等。其中，基于特征提取的方法主要专注于开发强大的特征表示以处理不相交视图之间的变化和错位，而基于度量的方法则着重于学习一个合适的相似性测量方法来最小化类内距离与此同时最大化类间距离。对于前者而言，尽管大量有效的视觉特征被提取，然而如何设计一个能够有效抵抗非重叠视图的变化和错位影响的描述符仍然十分困难。为了缓解由于视觉模糊和外观变化所带来的挑战，因此发展了基于度量学习的行人重识别方法。目前，在行人重识别中度量学习被广泛研究，并取得了令人满意的结果。但是这种办法的性能在很大程度上依赖于所学习的特征或度量的表征能力，这通常受到不同视图中光照、背景和姿态变化的限制。

发明内容

本发明的目的在于提供一种基于距离正则化投影和字典学习的行人重识别算法，本发明方法提高了表示特征的能力，解决了度量学习中受到的限制问题，本发明提出了一种新颖的字典学习框架以学习用于行人重识别中的判别和鲁棒性表示，判别字典和投影矩阵联合学习，通过学习投影矩阵，人物特征的编码系数被映射到低维子空间，从而有效地缓解非重叠视图中的行人差异。为了提高学习字典的判别能力，并且解决视觉模糊和外观变化的问题，引入顶端距离正则化在字典学习框架中以提炼出编码系数的解空间。

本发明的技术方案是：一种基于距离正则化投影和字典学习的行人重识别算法，具体步骤如下：