[发明专利]一种基于无监督局部度量学习和重排序的行人再识别方法有效
| 申请号： | 201710677102.0 | 申请日： | 2017-08-09 |
| 公开（公告）号： | CN107506703B | 公开（公告）日： | 2020-08-25 |
| 发明（设计）人： | 韩振军;赵恒;叶齐祥;焦建彬 | 申请（专利权）人： | 中国科学院大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/46;G06K9/62 |
| 代理公司： | 北京康思博达知识产权代理事务所(普通合伙) 11426 | 代理人： | 刘冬梅;路永斌 |
| 地址： | 100049 *** | 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： | 本发明公开了一种基于无监督局部度量学习和重排序的行人再识别方法，其实现过程为：首先获取行人图片，确定查询样本，并形成训练样本集和图片库；然后将获得的行人图片进行特征提取，并描述为特征向量；再为查询样本和/或图片库中各样本学习局部度量，得到对应的度量矩阵；最后通过学习得到的度量矩阵进行相似度计算，根据相似度大小进行初始排序；通过重排序优化初始排序得到最终的排序结果。本方法基于无监督局部度量学习，不需要人工标注样本，具有一定实用性和扩展性，通过重排序，进一步提高了匹配准确度。 | ||
| 搜索关键词： | 一种 基于 监督 局部 度量 学习 排序 行人 识别 方法 | ||
【主权项】：
一种基于无监督局部度量学习的行人再识别方法，其特征在于，所述方法包括以下步骤：步骤1)，行人检测：获取行人图片，确定查询样本，并形成训练样本集和图片库；步骤2)，特征表示：将获得的行人图片进行特征提取，并描述为特征向量；步骤3)，度量学习：为查询样本和/或图片库中各样本学习局部度量，得到查询样本的局部度量矩阵M，和/或图片库中样本所对应的局部度量矩阵Mi；步骤4)，匹配排序：通过学习得到的度量矩阵进行查询样本和图片库中样本的相似度计算，根据相似度大小进行排序。
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中国科学院大学，未经中国科学院大学许可，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/patent/201710677102.0/，转载请声明来源钻瓜专利网。
