[发明专利]一种基于稀疏图相似度迁移的视觉行人重识别方法有效

专利信息
申请号: 202110192173.8 申请日: 2021-02-19
公开(公告)号: CN112860936B 公开(公告)日: 2022-11-29
发明(设计)人: 丁贵广;陈辉 申请(专利权)人: 清华大学
主分类号: G06F16/583 分类号: G06F16/583;G06V40/10;G06V10/40;G06V10/75;G06V10/764
代理公司: 北京清亦华知识产权代理事务所(普通合伙) 11201 代理人: 韩海花
地址: 10008*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 稀疏 相似 迁移 视觉 行人 识别 方法
【权利要求书】:

1.一种基于稀疏图相似度迁移的视觉行人重识别方法,其特征在于,该方法包括以下步骤:

步骤S10,使用同一个训练好的深度卷积网络分别针对行人图像数据库中的每张行人图像和查询图像的特征进行抽取,抽取的特征通过特征向量表示;

步骤S20,通过特征向量计算所述行人图像数据库中任意两张行人图像的相似度,将所述每张行人图像看作一个节点,任意两张行人图像之间有一条边连接,所述相似度表示节点之间的边的权重,得到一个数据库图像密集关联图;

步骤S30,对得到的所述数据库图像密集关联图进行稀疏约束,得到数据库图像稀疏图;

步骤S40,通过特征向量计算所述查询图像和所述行人图像的相似度;以及

步骤S50,将所述查询图像和所述行人图像的相似度的度量当成是数据库图像稀疏图中对应节点的软标签,使用最小随机游走模型,稳定后,得到的能量值是查询图像和行人图像数据库中的每张行人图像的一致性得分,根据所述一致性得分对数据库图像稀疏图进行排序,并返回得分最高行人图像;

在步骤S30中,所述数据库图像密集关联图通过以下方式进行稀疏约束:

当知道行人图像数据库的所述每张行人图像的身份时,使用身份信息来限制所述节点之间的连接;

当无法获取所述行人图像数据库的所述每张行人图像的身份时,使用聚类的方式将所述节点分为多个聚类,如果两个节点属于同一个聚类,则所述两个节点之间存在边,否则,所述两个节点之间不存在边,

使用阀值预断,对与每个所述节点,选择跟它相似度大于设定阈值的节点建立边,否则,不建立边。

2.根据权利要求1所述的基于稀疏图相似度迁移的视觉行人重识别方法,其特征在于,在步骤S10中,所述行人图像的特征在线下抽取,查询图像的特征在线上抽取。

3.根据权利要求1所述的基于稀疏图相似度迁移的视觉行人重识别方法,其特征在于,所述当知道行人图像数据库的所述每张行人图像的身份时,使用身份信息来限制所述节点之间的连接,则数据库图像稀疏图的边权为:

其中,Ii和Ij为行人图像数据库中任意两张行人图像,S(Ii,Ij)为任意两张行人图像的相似度,Wij为图像Ii和Ij的边权,i和j为图像的索引,yi和yj为图像Ii和Ij的身份信息。

4.根据权利要求1所述的基于稀疏图相似度迁移的视觉行人重识别方法,其特征在于,所述当无法获取所述行人图像数据库的所述每张行人图像的身份时,使用聚类的方式将所述节点分为多个聚类,聚类的序号当做是图像的伪标签,则数据库图像稀疏图的边权为:

。,

其中,Ii和Ij为行人图像数据库中任意两张行人图像,S(Ii,Ij)为任意两张行人图像的相似度,Wij为图像Ii和Ij的边权,i和j表示图像的索引,yi'是图像Ii的伪标签, yj'是Ij的伪标签。

5.根据权利要求1所述的基于稀疏图相似度迁移的视觉行人重识别方法,其特征在于,所述使用阀值截断,对与每个所述节点,选择跟它相似度大于设定阈值的节点建立边,否则,不建立边,则数据库图像稀疏图的边权为:

其中,Ii和Ij为行人图像数据库中任意两张行人图像,S(Ii,Ij)为任意两张行人图像的相似度,Wij为图像Ii和Ij的边权,i和j表示图像的索引τ为截断阈值。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于清华大学,未经清华大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110192173.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top