[发明专利]基于深度学习编码模型的人员再识别方法在审
| 申请号： | 201710080498.0 | 申请日： | 2017-02-15 |
| 公开（公告）号： | CN106778921A | 公开（公告）日： | 2017-05-31 |
| 发明（设计）人： | 赵永威;谭佩耀;胡畏;李博 | 申请（专利权）人： | 张烜 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06K9/46;G06N3/08 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 710000 陕西省*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于深度学习编码模型的人员再识别方法，包括以下步骤首先，利用非监督RBM网络采用自底向上的方式对初始SIFT特征进行编码得到视觉词典；其次，采用自顶向下的方式为整个网络参数进行有监督微调；然后，就是利用误差反向传播对初始视觉词典进行有监督微调，获取视频图像新的图像表达方式，也就是图像深度学习表示向量；最后，利用图像深度学习表示向量训练线性SVM分类器用以对行人进行分类识别。本发明有效地解决了传统特征提取技术因监控视频质量较差，视角和光照差异引起效果不好、鲁棒性不强的问题及传统分类器的高运算复杂度，有效地提高了人员目标检测的准确度和特征表达的性能并能高效地识别出监控视频中的行人。 | ||
| 搜索关键词： | 基于 深度 学习 编码 模型 人员 识别 方法 | ||
【主权项】：
一种基于深度学习编码模型的人员再识别方法，其特征在于，包括以下步骤：首先，利用非监督RBM网络采用自底向上的方式对提取的初始SIFT特征进行编码得到视觉词典；其次，采用自顶向下的方式为整个网络参数进行有监督微调；然后，就是利用误差反向传播对初始视觉词典进行有监督微调，获取视频图像新的图像表达方式，也就是图像深度学习表示向量；最后，利用图像深度学习表示向量训练线性SVM分类器用以对行人进行分类识别。
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张烜，未经张烜许可，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/patent/201710080498.0/，转载请声明来源钻瓜专利网。
- 上一篇：一种输电线路检修设备
- 下一篇：一种适合高维特征的鞋印新类别检测方法
