[发明专利]一种基于高斯-拉普拉斯分布统计的行人重识别在审
| 申请号： | 201711430149.3 | 申请日： | 2017-12-26 |
| 公开（公告）号： | CN108133192A | 公开（公告）日： | 2018-06-08 |
| 发明（设计）人： | 胡瑞敏;王正;陈宇静;兰佳梅;陈军;丁贵广 | 申请（专利权）人： | 武汉大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00 |
| 代理公司： | 武汉科皓知识产权代理事务所(特殊普通合伙) 42222 | 代理人： | 魏波 |
| 地址： | 430072 湖*** | 国省代码： | 湖北;42 |
| 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高斯‑拉普拉斯分布统计的行人重识别，首先通过使用手工或深度学习模型从训练样本中提取特征，将样本对的特征相减，产生正样本对差异和负样本对差异，从而得到正样本对差异和负样本对差异的分布参数，然后对正样本对差异采用拉普拉斯分布、负样本对差异采用高斯分布拟合，进而得到距离度量函数，最后将查询图片和库图片带入距离度量函数中计算距离，按照距离的大小进行排序，得到最后的识别结果。本发明提供的距离度量函数更加准确可靠，拓展性和适用性更强。 | ||
| 搜索关键词： | 拉普拉斯分布 距离度量 负样本 正样本 高斯 样本 分布参数 高斯分布 计算距离 提取特征 训练样本 拓展性 对正 拟合 相减 排序 统计 查询 图片 学习 | ||
【主权项】：
一种基于高斯‑拉普拉斯分布统计的行人重识别，其特征在于，包括以下步骤：步骤1：从训练样本中提取特征；步骤2：将样本对的特征相减，使正样本对产生正样本对差异，负样本对产生负样本对差异；步骤3：计算正样本对差异的分布参数Σ+和负样本对差异的分布参数Σ‑；步骤4：计算距离度量函数；步骤5：将查询图片和数据库中预存的图片按步骤1‑2原理得到查询图片和数据库中预存图片的差异，将差异代入步骤4所得的距离度量函数，计算查询图片和数据库中预存的图片的距离，按照距离从小到大排序，距离最小的是同一人的概率最大。
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武汉大学，未经武汉大学许可，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/201711430149.3/，转载请声明来源钻瓜专利网。
