一种基于一致迭代多视角迁移学习的行人再辨识方法

    公开(公告)号:CN106897669B

    公开(公告)日:2019-12-27

    申请号:CN201710043339.3

    申请日:2017-01-19

    申请人: 同济大学

    IPC分类号: G06K9/00 G06K9/62

    摘要: 本发明涉及一种基于一致迭代多视角迁移学习的行人再辨识方法,所述的方法包括以下步骤:对行人图像进行特征提取,获得局部和全局多视角图像视觉词;采用迁移学习和鉴别分析方法构建一致迭代多视角迁移学习优化模型并对模型求解,获取中层次图像特征描述符;对得到的低层次特征描述符和中层次特征描述符进行计算,获得最终的多层次图像特征描述符;利用基于交叉视角二次鉴别分析方法来度量行人的相似性,进而获得行人图像相似度排序结果。与现有技术相比,本发明具有对于多视角下产生的光照、旋转等因素变化有着较好的鲁棒性和可靠性,能够提取图像底层次和中层次的特征描述符,具有良好的行人辨识能力等优点。

    一种基于一致迭代多视角迁移学习的行人再辨识方法

    公开(公告)号:CN106897669A

    公开(公告)日:2017-06-27

    申请号:CN201710043339.3

    申请日:2017-01-19

    申请人: 同济大学

    IPC分类号: G06K9/00 G06K9/62

    摘要: 本发明涉及一种基于一致迭代多视角迁移学习的行人再辨识方法,所述的方法包括以下步骤:对行人图像进行特征提取,获得局部和全局多视角图像视觉词;采用迁移学习和鉴别分析方法构建一致迭代多视角迁移学习优化模型并对模型求解,获取中层次图像特征描述符;对得到的低层次特征描述符和中层次特征描述符进行计算,获得最终的多层次图像特征描述符;利用基于交叉视角二次鉴别分析方法来度量行人的相似性,进而获得行人图像相似度排序结果。与现有技术相比,本发明具有对于多视角下产生的光照、旋转等因素变化有着较好的鲁棒性和可靠性,能够提取图像底层次和中层次的特征描述符,具有良好的行人辨识能力等优点。

    一种基于多方向多通道条形结构的行人再辨识方法

    公开(公告)号:CN106022226B

    公开(公告)日:2019-03-01

    申请号:CN201610309021.0

    申请日:2016-05-11

    申请人: 同济大学

    IPC分类号: G06K9/00 G06K9/62

    摘要: 本发明涉及一种基于多方向多通道条形结构的行人再辨识方法,包括以下步骤:1)分别获取待辨识行人图像和对比图像中像素点对应的多方向双颜色通道条形结构特征集Bθ;2)采用颜色差分获取该像素点的多方向双通道条形结构加权颜色差分权重集Wθ;3)采用滑动窗口分别获取不同方向上的直方图描述符Hθ;4)根据堪培拉距离计算基于直方图描述符Hθ的待辨识行人图像和对比图像的距离集Ds;5)选择距离集Ds中最优三元组距离对、ELF描述符和HOG描述符作为特征码,并获取待辨识行人图像和对比图像之间的最终距离;6)根据最近相邻理论,对距离进行排序,最终获取待辨识行人图像和对比图像的匹配率与现有技术相比,本发明具有快速准确、鲁棒性好等优点。

    一种最大粒度结构描述符的行人再辨识方法

    公开(公告)号:CN106485253B

    公开(公告)日:2019-05-14

    申请号:CN201610824156.0

    申请日:2016-09-14

    申请人: 同济大学

    IPC分类号: G06K9/46 G06K9/62

    摘要: 本发明涉及一种最大粒度结构描述符的行人再辨识方法,包括以下步骤:S1,获取图像集中彩色的行人图像,使用Gabor滤波器处理行人图像,获得多个尺度图像;S2,获取各尺度图像的颜色差分直方图CDH,并提取LMCC描述符;S3,提取LOMO描述符;S4,使用LDA算法进行度量学习,获得特征空间的最优子空间投影;S5,输入待辨识的行人图像,计算待辨识的行人图像同图像集中行人图像的相似度量距离,得到辨识结果。与现有技术相比,本发明方法对于光照、旋转、平动等因素变化有较好的鲁棒性,能够提取图像的本质特征,具有良好的行人辨识性能,并且对光照、视角、遮挡等变化具有不敏感性。

    一种最大粒度结构描述符的行人再辨识方法

    公开(公告)号:CN106485253A

    公开(公告)日:2017-03-08

    申请号:CN201610824156.0

    申请日:2016-09-14

    申请人: 同济大学

    IPC分类号: G06K9/46 G06K9/62

    摘要: 本发明涉及一种最大粒度结构描述符的行人再辨识方法,包括以下步骤:S1,获取图像集中彩色的行人图像,使用Gabor滤波器处理行人图像,获得多个尺度图像;S2,获取各尺度图像的颜色差分直方图CDH,并提取LMCC描述符;S3,提取LOMO描述符;S4,使用LDA算法进行度量学习,获得特征空间的最优子空间投影;S5,输入待辨识的行人图像,计算待辨识的行人图像同图像集中行人图像的相似度量距离,得到辨识结果。与现有技术相比,本发明方法对于光照、旋转、平动等因素变化有较好的鲁棒性,能够提取图像的本质特征,具有良好的行人辨识性能,并且对光照、视角、遮挡等变化具有不敏感性。

    一种基于多方向多通道条形结构的行人再辨识方法

    公开(公告)号:CN106022226A

    公开(公告)日:2016-10-12

    申请号:CN201610309021.0

    申请日:2016-05-11

    申请人: 同济大学

    IPC分类号: G06K9/00 G06K9/62

    CPC分类号: G06K9/00335 G06K9/6202

    摘要: 本发明涉及一种基于多方向多通道条形结构的行人再辨识方法,包括以下步骤:1)分别获取待辨识行人图像和对比图像中像素点对应的多方向双颜色通道条形结构特征集Bθ;2)采用颜色差分获取该像素点的多方向双通道条形结构加权颜色差分权重集Wθ;3)采用滑动窗口分别获取不同方向上的直方图描述符Hθ;4)根据堪培拉距离计算基于直方图描述符Hθ的待辨识行人图像和对比图像的距离集Ds;5)选择距离集Ds中最优三元组距离对、ELF描述符和HOG描述符作为特征码,并获取待辨识行人图像和对比图像之间的最终距离;6)根据最近相邻理论,对距离进行排序,最终获取待辨识行人图像和对比图像的匹配率与现有技术相比,本发明具有快速准确、鲁棒性好等优点。