[发明专利]一种基于典型相关分析融合特征的行人再识别方法

权利要求书

1.一种基于典型相关分析融合特征的行人再识别方法，其特征在于，包括三个阶段：特征提取阶段、求解映射矩阵阶段和融合特征进行行人再识别阶段；在特征提取阶段，对行人图像提取两种不同的特征X与Y；在求解映射矩阵阶段，对这两种特征X与Y分别进行典型相关分析，得到一对映射矩阵α和β，新的特征表示为X'＝α^TX，Y'＝β^TY，α^T为映射矩阵α的转置，β^T为映射矩阵β的转置；在融合特征进行行人再识别阶段，融合特征表示为或者Z₂＝X'+Y'，把融合的特征Z₁或Z₂分为训练集和测试集，用训练集来训练行人再识别的模型，并用测试集对训练的模型进行测试。

2.根据权利要求1所述的一种基于典型相关分析融合特征的行人再识别方法，其特征在于，具体步骤如下：

步骤1、对行人再识别数据集提取两种特征：

用不同的特征提取算法对行人图像的数据集提取特征，分别记作：

X∈R^p*N，Y∈R^q*N

p和q分别表示两种特征的维度，N表示数据集包含的图片数量；

步骤2、对步骤1提取的两种特征X与Y分别进行典型相关分析，用奇异值分解方法求解得到一对映射矩阵α和β，新的特征表示为X'＝α^TX，Y'＝β^TY，α^T为映射矩阵α的转置，β^T为映射矩阵β的转置；

步骤3、用融合特征进行行人再识别：

步骤3.1、通过步骤2中得到的映射矩阵α和β，通过以下融合策略得到典型相关特征的融合表示为或者Z₂＝X'+Y'＝α^TX+β^TY，把融合的特征Z₁或Z₂按照行人再识别中对不同数据集的划分规则，分成视角一的训练集一和测试集一，视角二的训练集二和测试集二，用训练集一和训练集二来训练行人再识别的模型，并用测试集一和测试集二对训练的模型做测试；

步骤3.2、用累积匹配曲线CMC评价步骤3.1中测试的结果，并把rank1的识别率作为最重要的评价指标，rank1的值越大说明识别效果越好。

3.根据权利要求2所述的一种基于典型相关分析融合特征的行人再识别方法，其特征在于，所述步骤2中用奇异值分解方法求解投影矩阵，求解的过程如下：

1)、把两个特征标准化，得到均值为0方差为1的标准数据；

2)、计算X的方差S_XX，Y的方差S_YY，X和Y的协方差S_XY；

3)、计算矩阵

4)、对矩阵M进行奇异值分解，得到最大的奇异值σ，和最大奇异值对应的左右奇异向量u，v；

5)、计算X和Y的映射矩阵α和β，

6)、两个特征在相关子空间的表示为X'＝α^TX，Y'＝β^TY。