[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

摘要

本发明公开了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，本发明的目的就在于图像为低分辨且尺度变化时的重识别效果。首先，获得来自同一个人的图像对即正样本对，以及来自不同人的图像对即负样本对；然后引入距离尺度渐变函数，由正样本对产生可行的尺度距离渐变函数，由负样本对产生不可行的尺度距离渐变函数，这两种尺度距离渐变函数构成尺度距离渐变函数空间，并由正的参数向量表示可行的尺度距离渐变函数，负的参数向量表示不可行的尺度距离渐变函数；最后训练了的随机森林分类器在该函数空间根据某个尺度距离渐变函数是否在正域或负域，将其分类为是否来自同一个对象。

主权项

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(Ii,Ij)，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。