[发明专利]一种行人重识别方法、装置及可读存储介质

权利要求书

1.一种行人重识别方法，其特征在于，包括：

获取待识别的行人图像，将所述行人图像输入学习模型中；其中，所述学习模型为利用交叉学习策略，对不同摄像头采集的行人图像数据进行学习后，获得的模型；

利用所述学习模型中的投影矩阵，计算所述行人图像的图像特征；

利用目标字典，对所述图像特征进行稀疏编码，获得编码结果；所述目标字典为所述学习模型对所述行人图像数据进行字典学习后，输出的字典；

计算所述编码结果的系数向量，并利用分类器对所述系数向量进行识别分类，获得所述行人图像的识别结果；

在利用目标字典的投影矩阵之前，还包括：

获取所述行人图像数据，并利用交叉重构策略对所述行人图像数据进行预处理，获得目标行人图像数据；

对所述目标行人图像数据进行投影，获得投影数据集；

利用所述投影数据集，进行字典学习，并建立字典学习模型；

通过正则化策略优化训练所述字典学习模型，获得所述学习模型；

采用求解约束问题的最优化方法对所述学习模型进行求解，获得所述目标字典；

所述获取所述行人图像数据，包括：

获取第一摄像头和第二摄像头采集的所述行人图像数据；其中，所述行人图像数据包括：所述第一摄像头的图像数据为其中i表示类别，视频数据为N_S为视频数据样本数；所述第二摄像头的图像数据为其中j表示类别，视频数据为N_T为视频图像样本数，c为视频数据的类别数，m为数据集样本的维度。

2.根据权利要求1所述的行人重识别方法，其特征在于，所述利用交叉重构策略对所述行人图像数据进行预处理，获得目标行人图像数据，包括：

利用所述交叉重构策略对所述X_S和所述X_T进行数据预处理，得到预处理后的数据集X和数据集Y；其中，

3.根据权利要求2所述的行人重识别方法，其特征在于，对所述目标行人图像数据进行投影，获得投影数据集，包括：

利用投影学习策略对数据集X和Y进行投影操作，得到投影数据集PX和PY；其中其中投影矩阵为P，投影矩阵维度为k。

4.根据权利要求3所述的行人重识别方法，其特征在于，所述利用所述投影数据集，进行字典学习，并建立字典学习模型，包括：

对所述PX和所述PY进行字典学习，建立字典学习模型：其中，D为字典，k为字典中的原子个数，d_i，d_j分别为所述字典的第i个和第j个字典原子，为数学运算中d_i的转置运算。

5.根据权利要求4所述的行人重识别方法，其特征在于，所述通过正则化策略优化训练所述字典学习模型，获得所述学习模型，包括：

基于标签一致性正则化策略，并引入所述字典学习模型的约束项Θ；其中，s.t.B＝Q，M≥0，其中Q表示分类任务中输入数据的判别性稀疏码，B为等值于Q的矩阵，M为满足标签一致性正则化策略的非负矩阵；

基于线性分类器错误项的正则化策略引入所述字典学习模型的约束项Ψ；其中，其中L为所述数据集X的二进制标签矩阵，W为满足所述线性分类器错误项的正则化策略的转换矩阵；

得到所述字典学习模型：其中β，γ为预设权重参数。